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：V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning

Summary

该来源介绍了V-JEPA 2，这是一种自监督学习方法，它结合了大规模网络视频数据和少量机器人交互数据，以构建能够理解、预测和规划物理世界的模型。通过预训练在超过一百万小时的视频上，V-JEPA 2在运动理解和人类动作预测方面取得了最先进的性能。此外，当与大型语言模型结合时，它在视频问答任务中表现出色。该研究还展示了如何通过对V-JEPA 2进行后期训练，使其能够零次规划机器人操作任务，例如抓取和放置物体，而无需在特定环境中进行额外数据收集或任务训练。

原文链接：https://arxiv.org/abs/2506.09985

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：Coding Agents with Multimodal Browsing are Generalist Problem Solvers

Summary

本研究介绍了一种名为 OpenHands-Versa 的通用智能体，旨在通过一套精简但全面的工具集解决各种任务，与专门智能体通常受限于特定领域的情况形成对比。该智能体结合了代码编辑与执行、多模态网络浏览和文件访问等核心功能。研究表明，OpenHands-Versa 在 SWE-Bench Multimodal、GAIA 和 The Agent Company 等多样化基准测试中，表现优于或与现有领先的专业智能体持平，证明了通用智能体设计的有效性。文章还通过分析工具使用模式和错误行为，探讨了其成功的原因和局限性，并强调了未来研究的改进方向。

原文链接：https://arxiv.org/abs/2506.03011

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：Knowledge or Reasoning? A Close Look at How LLMs Think Across Domains

Summary

该研究深入探究了大型语言模型（LLMs）的内部推理过程，超越了仅仅评估最终答案准确性的传统方法。作者引入了一个精细的评估框架，将LLM的思维轨迹分解为知识正确性（通过知识指数KI衡量）和推理质量（通过信息增益InfoGain衡量）两个维度。通过在数学和医学领域对经过监督微调（SFT）和/或强化学习（RL）训练的Qwen模型进行分析，研究人员发现SFT能提升领域知识，但可能损害推理效率，而RL则通过优化推理路径来提高知识的准确性和推理质量。这些发现强调了在不同领域中知识和推理所扮演的不同角色，并为开发更可靠、更具解释性的LLM提供了宝贵见解。

原文链接：https://arxiv.org/abs/2506.02126

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：

Robot-R1: Reinforcement Learning for Enhanced Embodied Reasoning in Robotics

Summary

该论文介绍了 ROBOT-R1 框架，这是一种利用 强化学习 来增强大型视觉语言模型 (LVLMs) 在机器人控制中 具身推理 能力的新方法。与传统的 监督微调 (SFT) 方法不同，ROBOT-R1 通过将机器人控制任务重新定义为 多项选择问答 (MCQA) 问题来优化推理过程，这有助于更准确地预测关键点状态和原始运动。研究人员还引入了 ROBOT-R1 基准 来评估这些具身推理能力，结果显示，即使是参数量较小的 ROBOT-R1 模型，在处理低级别动作控制的推理任务时也优于 GPT-4o 等商业模型。此外，ROBOT-R1 训练出的模型在其他具身基准测试中也表现出显著的性能提升，表明其学习到的推理能力具有更好的 泛化性。

原文链接：https://arxiv.org/abs/2506.00070

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：

Small Language Models are the Future of Agentic AI

Summary

该论文提出并论证了小型语言模型（SLM）是代理AI未来的核心。文章强调，尽管大型语言模型（LLM）因其通用能力而受到推崇，但在代理系统中，许多任务是重复、专业且非对话性的，这使得SLM成为更经济、更灵活且功能足够强大的选择。作者认为，SLM的采用将带来显著的运营和经济效益，甚至在需要通用对话能力的场景中，也可以通过结合SLM和LLM的异构系统来实现最佳效果。为了促进SLM的普及，文中还讨论了当前面临的障碍，并提出了一个将LLM驱动的代理转换为SLM驱动代理的算法。最终，该研究呼吁就如何有效利用AI资源和降低成本进行更广泛的讨论。

原文链接：https://arxiv.org/abs/2506.02153

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：

Image Editing As Programs with Diffusion Models

Summary

这篇研究论文介绍了一种名为图像编辑即程序（IEAP）的创新框架，旨在通过扩散模型实现更精确、更可控的图像编辑。IEAP通过将复杂的编辑指令分解为一系列原子操作来克服现有扩散模型在处理结构不一致编辑方面的挑战。这些原子操作包括感兴趣区域（RoI）定位、RoI修复、RoI编辑、RoI合成和全局变换。通过这种模块化和程序化的方法，IEAP能够处理从简单调整到重大结构变化的各种编辑任务，并在多个基准测试中展现出卓越的性能，尤其是在处理复杂、多步骤的指令时。

原文链接：https://arxiv.org/abs/2506.04158

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：R&D-Agent-Quant: A Multi-Agent Framework for Data-Centric Factors and Model Joint Optimization

Summary

这篇研究论文介绍了RD-Agent(Q)，一个用于量化金融的多智能体框架，旨在自动化量化策略的整个研发过程。它通过协调因子-模型联合优化来解决金融市场固有的挑战，如高维度、非平稳性和波动性。该框架分为研究阶段（生成假设和任务）和开发阶段（使用代码生成智能体Co-STEER进行实施和回测），并通过反馈循环和多臂赌博机调度器进行连接，以实现自适应方向选择。实证结果表明，RD-Agent(Q)在年化收益方面显著优于传统方法，同时使用了更少的因子，并在预测准确性和策略稳健性之间取得了平衡。该研究强调了端到端自动化、高性能研发工具以及强大的实证表现作为其主要贡献。

原文链接：https://arxiv.org/abs/2505.15155

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：R&D-Agent: Automating Data-Driven AI Solution Building Through LLM-Powered Automated Research, Development, and Evolution

Summary

这篇技术报告介绍了 R&D-Agent，这是一个用于自动化数据驱动型人工智能解决方案构建的双代理框架。该系统旨在通过 研究员代理 生成创意并分析反馈，以及 开发人员代理 基于错误日志完善代码，来应对数据科学中日益增长的复杂性和专业知识需求。R&D-Agent 的独特之处在于其支持多个 平行探索路径，这些路径可以相互融合和增强，从而显著提高效率和解决方案的质量。在 MLE-Bench 上的评估显示，该框架在机器学习工程任务中超越了现有基线，特别是在不同复杂程度的挑战中表现出色，这表明它有潜力缩小自动化解决方案与专家级性能之间的差距。

原文链接：https://arxiv.org/abs/2505.14738

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：

ARPO: End-to-End Policy Optimization for GUI Agents with Experience Replay

Summary

该研究介绍了一种端到端策略优化方法，名为Agentic Replay Policy Optimization (ARPO)，用于训练基于视觉-语言模型 (VLM) 的图形用户界面 (GUI) 代理。ARPO 增强了 Group Relative Policy Optimization (GRPO)，并结合了经验回放缓冲区和有价值任务选择策略，以应对 GUI 环境中稀疏奖励、延迟反馈和高成本等挑战。研究表明，ARPO 在 OSWorld 基准测试中显著提高了任务完成率，尤其是在域内任务上表现出色，并通过分布式回放系统提高了训练效率和稳定性。这种方法强调了强化学习在训练能够处理复杂现实世界用户界面交互的多轮 VLM GUI 代理方面的有效性。

原文链接：https://arxiv.org/abs/2505.16282

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：

Darwin Gödel Machine: Open-Ended Evolution of Self-Improving Agents

Summary

这段资料主要介绍了达尔文-哥德尔机器 (DGM)，这是一种自我改进的人工智能系统，它通过经验验证而非形式化证明来优化自身代码，模仿了生物进化的过程。DGM 旨在实现开放式创新，能够持续生成新颖且可学习的人工智能体，并通过维护一个已发现智能体库来促进未来的进步。文中详细阐述了 DGM 的运作机制，包括智能体选择、自我修改和评估流程，并将其与没有自我改进或开放式探索的基线进行了比较。此外，文档还讨论了 DGM 在解决编码任务方面的表现，以及在优化过程中可能出现的目标规避问题，强调了在大语言模型背景下设计安全且鲁棒的自我改进系统的重要性。

原文链接：https://arxiv.org/abs/2505.22954