PODCAST

Seventy3

任雨山

73播客，名字取材于Sheldon最喜欢的数字，内容由NotebookLM生成，每天跟随AI读AI业界论文。

technology

All Episodes

00:20:35

【第332期】（中文）OSUNIVERSE：多模态GUI导航AI基准

Seventy3 ·

2025/08/28

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：OSUniverse: Benchmark for Multimodal GUI-navigation AI AgentsSummary这篇论文介绍了 OSUniverse，这是一个用于评估多模态GUI导航AI代理的新基准。作者指出，尽管现有基准**（如WebShop、Mind2Web和OSWorld）在评估网络或桌面任务方面存在局限性**，OSUniverse旨在通过提供更复杂、多应用程序的任务集和可扩展的框架来克服这些不足。该基准将任务分为五个难度级别，并引入了一种准确率低于2%的自动化验证机制，以实现可扩展的评估。初步测试结果显示，即使是目前最先进的AI代理也难以在OSUniverse中取得高分，远低于人类表现，这表明GUI导航仍然是AI面临的一个重大挑战。原文链接：https://arxiv.org/abs/2505.03570

zh-cn

00:15:23

【第331期】（中文）CoT：大模型中的程序变量

Seventy3 ·

2025/08/27

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：Chain-of-Thought Tokens are Computer Program VariablesSummary该研究探讨了思维链（CoT）在大型语言模型（LLMs）中解决复杂推理任务时的内部机制，特别关注其在多位乘法和动态规划等组合任务中的作用。研究人员提出，CoT令牌的功能类似于计算机程序中的变量，用于存储中间结果，这些结果对后续计算和最终答案具有因果关系。通过移除非结果令牌、将结果合并为潜在令牌以及干预CoT中的值等实验，该论文证实了CoT对于此类问题的必要性，并表明中间结果的存储形式相对不重要，但其值对模型输出有直接影响。研究还发现，LLMs在处理简单子问题时可能会形成“捷径”，且CoT令牌间的计算复杂度存在一个限制，超出该限制会导致模型性能下降。原文链接：https://arxiv.org/abs/2505.04955

zh-cn

00:08:10

【第330期】（中文）UniVLA: 通用机器人策略学习框架

Seventy3 ·

2025/08/26

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：Learning to Act Anywhere with Task-centric Latent ActionsSummary这篇研究介绍了 UniVLA，一个用于机器人学习的统一视觉-语言-动作 (VLA) 框架。该框架的核心创新在于以无监督的方式从视频中学习以任务为中心的潜在动作，使其能够利用来自不同机器人和视角的大量数据，而无需动作标签。通过在大规模视频数据上进行预训练，UniVLA 能够开发出一种跨机器人通用策略，只需最低成本的动作解码即可轻松部署到各种机器人上。研究强调，UniVLA 在多种操纵和导航任务中表现出色，显著优于现有方法，同时需要的计算资源和下游数据也更少，展示了其在可扩展和高效机器人策略学习方面的巨大潜力。原文链接：https://arxiv.org/abs/2505.06111

zh-cn

00:07:31

【第329期】（中文）WebThinker：深度研究大型推理模型

Seventy3 ·

2025/08/25

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：WebThinker: Empowering Large Reasoning Models with Deep Research CapabilitySummary该文档介绍了一种名为 WebThinker 的新型深度研究代理，旨在增强大型推理模型（LRMs）处理复杂、知识密集型任务的能力。WebThinker 通过深度网络探索器模块，使LRMs能够自主搜索网络、导航网页和提取信息，以弥补知识空白。它还采用自主思考-搜索-起草策略，让模型在推理过程中无缝地穿插信息收集和报告撰写。此外，通过基于强化学习的训练策略，WebThinker 能够优化工具利用。实验结果表明，WebThinker 在复杂推理基准测试和科学报告生成任务上均优于现有方法和专有系统，预示着其在创建更强大、多功能的深度研究系统方面的巨大潜力。原文链接：https://arxiv.org/abs/2504.21776

zh-cn

00:09:15

【第328期】（中文）微调中的强化学习价值

Seventy3 ·

2025/08/24

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：All Roads Lead to Likelihood: The Value of Reinforcement Learning in Fine-TuningSummary本研究探讨了基础模型微调中强化学习（RL）的两阶段训练流程，该流程通常优于直接的离线最大似然估计（MLE）方法，尽管从信息论角度看RL并不能创造新信息。作者通过理论和实证分析，驳斥了几种关于RL价值的假设，并提出了一个新颖的解释。他们认为，在生成-验证存在差距的问题中，训练相对简单的奖励模型（验证器）更容易，而下游RL程序能够将策略（生成器）的搜索空间限制在对这些简单验证器最优的子集，从而带来了性能优势。实验结果支持这一假设，特别是在总结任务中，在线微调持续优于离线微调，除非生成与验证的复杂度差距被消除。原文链接：https://arxiv.org/abs/2503.01067

zh-cn

00:08:18

【第327期】（中文）研讨式RAG：医学问答的新范式

Seventy3 ·

2025/08/23

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：Talk Before You Retrieve: Agent-Led Discussions for Better RAG in Medical QASummary这篇文章提出了一种名为 Discuss-RAG 的新型框架，旨在显著提高大型语言模型 (LLM) 在医学问答 (QA) 中的准确性。它通过模拟人类的推理过程来解决现有检索增强生成 (RAG) 系统中存在的局限性，这些局限性包括缺乏类人推理以及依赖次优的医学语料库。Discuss-RAG 引入了一个由医疗专家代理组成的团队，通过多轮讨论和迭代总结来改进信息检索，并通过一个决策代理对检索到的片段进行后期验证。在四个医学 QA 基准数据集上的实验结果表明，Discuss-RAG 始终优于现有方法，显著提高了回答准确性。原文链接：https://arxiv.org/abs/2504.21252

zh-cn

00:06:34

【第326期】（中文）动态RAG：大模型反馈驱动的动态重排序

Seventy3 ·

2025/08/22

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：DynamicRAG: Leveraging Outputs of Large Language Model as Feedback for Dynamic Reranking in Retrieval-Augmented GenerationSummaryDynamicRAG 提出了一种新颖的检索增强生成（RAG）框架，旨在通过一个动态重排序器优化大型语言模型（LLM）的性能。这个重排序器被建模为一个强化学习智能体，它根据LLM输出的质量反馈来调整检索文档的顺序和数量。该系统分两个阶段进行训练：首先通过行为克隆学习基础的重排序能力，然后通过与生成器互动进行强化学习优化。实验结果表明，DynamicRAG在多项知识密集型任务中表现出色，超越了现有方法，并且通过动态调整文档数量和高效的LLM调用，显著提高了效率和准确性。原文链接：https://arxiv.org/abs/2505.07233

zh-cn

00:09:03

【第325期】（中文）UCGM：统一连续生成模型

Seventy3 ·

2025/08/21

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：Unified Continuous Generative ModelsSummary该论文介绍了一个名为 UCGM 的统一框架，旨在整合并提升现有的连续生成模型，包括多步扩散模型、流匹配模型和少步一致性模型。UCGM 包含一个统一的训练器 UCGM-T 和一个统一的采样器 UCGM-S。UCGM-T 能够灵活地训练适用于不同推理场景的模型，而 UCGM-S 不仅能与 UCGM-T 训练的模型无缝协作，还能显著加速和改进预训练模型的采样过程。通过引入训练和采样阶段的自增强技术，UCGM 显著提升了图像生成质量，同时减少了计算成本和对额外指导的依赖，在各种数据集和架构上均达到了或超越了现有技术水平。原文链接：https://arxiv.org/abs/2505.07447

zh-cn

00:08:44

【第324期】（中文）强化内外知识协同推理自适应搜索智能体

Seventy3 ·

2025/08/20

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：Reinforced Internal-External Knowledge Synergistic Reasoning for Efficient Adaptive Search AgentSummary本篇研究论文介绍了 IKEA（强化内外部知识协同推理智能体），这是一种旨在提升大型语言模型（LLMs）作为搜索智能体效率的新方法。现有模型常过度依赖外部检索，忽略了其内部知识，导致冗余搜索、潜在知识冲突和推理延迟。IKEA 通过引入知识边界感知奖励函数和知识边界感知训练数据集，让模型优先利用内部知识，仅在内部知识不足时才进行外部搜索。实验结果表明，IKEA 在知识密集型任务中表现优异，显著降低了检索频率，并展现出强大的泛化能力。该方法的核心在于通过强化学习，使LLMs能够自主判断何时使用其参数化知识，何时调用外部工具。原文链接：https://arxiv.org/abs/2505.07596

zh-cn

00:06:27

【第323期】（中文）生成式AI在动画领域的应用综述

Seventy3 ·

2025/08/19

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：Generative AI for Character Animation: A Comprehensive Survey of Techniques, Applications, and Future DirectionsSummary本篇综述全面探讨了生成式人工智能（AI）在角色动画领域的应用，涵盖了从逼真面部合成到复杂动作序列生成等多个方面。文章详细介绍了各种核心模型架构，如生成对抗网络（GANs）、变分自编码器（VAEs）、Transformer和去噪扩散概率模型（DDPMs），并阐述了它们如何促进生成式AI在动画领域的进步。此外，文中还分析了用于评估这些模型性能的关键指标，以及数据集在训练和验证中所扮演的重要角色。最终，本综述旨在为研究人员提供一个统一的视角，理解生成式AI如何通过融合视觉、时间与多模态元素来革新动画制作。原文链接：https://arxiv.org/abs/2504.19056

zh-cn

00:10:34

【第322期】（中文）TrustGeoGen：可信几何问题求解引擎

Seventy3 ·

2025/08/18

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：TrustGeoGen: Scalable and Formal-Verified Data Engine for Trustworthy Multi-modal Geometric Problem

zh-cn

00:11:17

【第321期】（中文）Mem0：构建具备可扩展长期记忆的AI代理

Seventy3 ·

2025/08/17

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：Mem0: Building Production-Ready AI Agents with Scalable Long-Term MemorySummary文本介绍了 Mem0 及其增强版本 Mem0g，这两种新颖的内存架构旨在解决大型语言模型 (LLM) 在长期对话中保持一致性的固有局限性。这些系统通过动态提取、整合和检索相关信息来克服 LLM 固定上下文窗口的挑战。Mem0 侧重于自然语言内存的效率，而 Mem0g 通过图基内存表示来捕获复杂的关系结构，从而增强了这一功能。这些方法在 LOCOMO 基准测试中显著优于现有系统，在准确性、计算效率和响应时间方面都表现出色，为更可靠、高效的 AI 代理铺平了道路。原文链接：https://arxiv.org/abs/2504.19413

zh-cn

00:09:31

【第320期】（中文）DiT图像编辑：语境、LoRA与效率

Seventy3 ·

2025/08/16

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：In-Context Edit: Enabling Instructional Image Editing with In-Context Generation in Large Scale Diffusion TransformerSummary此来源介绍了“语境编辑”方法，这是一种新颖的指令式图像编辑技术，它利用大规模扩散Transformer (DiT)模型。该方法旨在解决现有图像编辑技术中精度与效率之间的矛盾，仅需少量训练数据和参数即可实现高质量编辑。文中提出了语境编辑框架、LoRA-MoE混合微调策略和早期筛选推理时间缩放方法，这些创新共同提升了图像编辑的效果和效率。通过广泛评估，该方法展现出优于现有技术的能力，在实现高精度编辑的同时显著降低了计算资源需求。原文链接：https://arxiv.org/abs/2504.20690

zh-cn

00:08:39

【第319期】（中文）大语言模型驱动的手机GUI智能体综述

Seventy3 ·

2025/08/15

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：LLM-Powered GUI Agents in Phone Automation: Surveying Progress and ProspectsSummary本来源探讨了大型语言模型（LLMs）在手机图形用户界面（GUI）自动化中的应用与进展。它首先概述了手机GUI自动化的传统方法及其局限性，例如依赖预定义脚本和缺乏灵活性。随后，文章详细介绍了LLM驱动的GUI代理如何通过整合自然语言处理、多模态感知和动作执行来克服这些挑战，使其能够理解复杂指令、感知实时变化并动态响应。该来源还分析了LLM如何增强手机自动化，包括其在自然语言理解、多模态基础、推理和决策方面的能力，并讨论了数据集、基准测试以及未来的挑战和研究方向，如用户中心适应、安全隐私和多代理协调。原文链接：https://arxiv.org/abs/2504.19838

zh-cn

00:07:32

【第318期】（中文）BitNet v2: 原生4比特激活的大语言模型

Seventy3 ·

2025/08/14

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：BitNet v2: Native 4-bit Activations with Hadamard Transformation for 1-bit LLMsSummary《BitNet v2：采用哈达玛变换实现1比特LLM原生4比特激活》这篇论文介绍了BitNet v2，这是一个旨在提升1比特大型语言模型（LLM）效率的新框架。研究人员通过引入H-BitLinear模块解决了激活异常值的问题，该模块在激活量化之前应用哈达玛变换，将激活分布重塑为更接近高斯分布的形式。这种方法使得LLM能够以原生4比特激活进行训练，显著降低了内存消耗和计算成本，尤其是在批量推理场景中。BitNet v2在保持与现有1.58比特LLM相当性能的同时，实现了更高的计算效率。原文链接：https://arxiv.org/abs/2504.18415

zh-cn

00:09:23

【第317期】（中文）测试时强化学习：利用无标注数据训练LLM

Seventy3 ·

2025/08/13

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：TTRL: Test-Time Reinforcement LearningSummary该来源介绍了测试时强化学习 (TTRL)，这是一种在没有明确标签的未标记数据上训练大型语言模型 (LLM) 的新方法。TTRL 通过利用预训练模型的先验知识并使用多数投票机制来估计推理时的奖励，从而实现 LLM 的自我演进。实验结果表明，TTRL 能够持续提升各种任务和模型的性能，甚至在某些情况下显著超越了初始模型的上限，接近了在有标签数据上直接训练的模型表现。这项工作强调了 TTRL 在减少对人工标注的依赖以及实现持续学习方面的巨大潜力。原文链接：https://arxiv.org/abs/2504.16084

zh-cn

00:09:35

【第316期】（中文）基于LLM代理的用户体验测试模拟系统

Seventy3 ·

2025/08/12

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：UXAgent: A System for Simulating Usability Testing of Web Design with LLM AgentsSummary这份来源介绍了 UXAgent，这是一个利用大型语言模型 (LLM) 代理模拟用户行为，以改进网络设计可用性测试的系统。该系统包含一个角色生成器来创建多样化的模拟用户，一个 LLM 代理模块模拟用户与网页的互动，以及一个通用浏览器连接器来实现与真实网络环境的无缝交互。UXAgent 旨在帮助用户体验研究人员在进行真实用户研究之前，评估和迭代其研究设计，从而节省时间和资源。研究结果表明，尽管模拟数据不完全真实，但它仍能为用户体验研究人员提供有价值的早期反馈，从而促进设计的快速迭代和改进。原文链接：https://arxiv.org/abs/2504.09407

zh-cn

00:09:55

【第315期】（中文）UI-TARS：原生GUI智能体模型

Seventy3 ·

2025/08/11

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：UI-TARS: Pioneering Automated GUI Interaction with Native AgentsSummary这些文本介绍了一个名为 UI-TARS 的原生 GUI 代理模型，该模型旨在通过感知屏幕截图并执行模拟人类的键盘和鼠标操作来实现自动化图形用户界面交互。不同于依赖于预定义框架或商业模型的传统方法，UI-TARS 是一个端到端模型，它在感知、定位和 GUI 任务执行等多个基准测试中表现出色。文本深入探讨了 GUI 代理的演进路径，从基于规则的系统到更具自适应性的原生模型，并分析了原生代理模型的核心能力，包括感知、行动、推理（系统1和系统2思维）和记忆。通过大规模数据集训练和迭代学习过程，UI-TARS 不仅能够有效地处理复杂任务，还能从错误中吸取经验，实现持续自我完善。原文链接：https://arxiv.org/abs/2501.12326

zh-cn

00:07:35

【第314期】（中文）强化学习真的提升了大语言模型推理能力吗？

Seventy3 ·

2025/08/10

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?Summary该研究探讨了强化学习（RL）对大型语言模型（LLMs）推理能力的影响，特别是通过可验证奖励强化学习（RLVR）。作者通过广泛的实验，包括数学、编程和视觉推理任务，并使用pass@k指标来评估模型的能力边界。出人意料的是，研究发现RLVR训练的模型并没有像普遍认为的那样获得根本性的新推理模式。相反，RLVR主要通过提高采样效率来优化现有推理路径，但这也会限制模型的探索能力，从而缩小其推理范围。研究还发现，与RLVR不同，知识蒸馏确实可以为模型引入新知识，超越其基础模型的能力。原文链接：https://arxiv.org/abs/2504.13837

zh-cn

00:08:18

【第313期】（中文）PaperCoder：论文到代码的自动化框架

Seventy3 ·

2025/08/09

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。今天的主题是：Paper2Code: Automating Code Generation from Scientific Papers in Machine LearningSummary该来源介绍了 PaperCoder，这是一个多智能体大型语言模型（LLM）框架，旨在将机器学习领域的科学论文转化为可用的代码库。该框架通过规划（制定高级路线图、设计架构）、分析（解释实现细节）和生成（生成模块化代码）三个阶段进行操作。研究人员使用 Paper2Code 基准和 PaperBench Code-Dev 基准对 PaperCoder 进行了评估，结果表明它在准确性和完整性方面优于现有基线。此外，人工评估也证实了 PaperCoder 生成的代码库在可重复性方面的实用性。原文链接：https://arxiv.org/abs/2504.17192

zh-cn

577 results

Seventy3

All Episodes

Similar Podcasts

Lead With AI

Tamara Nall

Linux in the Ham Shack

Black Sparrow Media

Data Engineering Podcast

Tobias Macey

Eye On A.I.

Craig S. Smith

Reflections

Livewire Labs