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 LLMs

Summary

《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

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 Learning

Summary

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

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 Agents

Summary

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

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 Agents

Summary

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

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

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 Learning

Summary

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

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：UFO2: The Desktop AgentOS

Summary

此来源介绍了 UFO2，这是一个集成到 Windows 操作系统中的多智能体框架，旨在自动化桌面工作流程。UFO2 旨在克服现有计算机使用代理 (CUA) 的局限性，例如浅层操作系统集成和脆弱的基于屏幕截图的交互。它采用集中式 HostAgent 进行任务分解和协调，并使用专门的 AppAgent 处理特定应用程序，从而实现稳健的任务执行。UFO2 通过混合控制检测、统一的 GUI-API 操作层、持续知识集成和推测性多操作执行来增强效率和可靠性，同时其画中画 (PiP) 界面可确保不间断的用户体验。

原文链接：https://arxiv.org/abs/2504.14603

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 Act II: Test Time Scaling Drives Cognition Engineering

Summary

本论文介绍了生成式AI的“第二幕”——认知工程，它通过测试时缩放技术增强大型语言模型（LLMs）的思维能力。文章解释了认知工程的概念基础及其重要性，并系统地分析了并行采样、树搜索、多轮修正和长CoT（思维链）这四种核心测试时缩放方法。此外，论文还讨论了训练策略、奖励函数设计以及认知工程在数学、编码、多模态、代理、具身AI和安全等多个领域的应用和未来方向。最终，这篇研究旨在为AI专业人士提供一个在新范式下思考和实践的框架，以促进AI向更高智能水平发展。

原文链接：https://arxiv.org/abs/2504.13828

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：LearnAct: Few-Shot Mobile GUI Agent with a Unified Demonstration Benchmark

Summary

这些来源介绍了 LearnAct，这是一个旨在提升移动图形用户界面（GUI）代理在现实世界任务中性能的框架。LearnAct 通过 LearnGUI 数据集，该数据集是首个为移动 GUI 代理的少样本学习而设计的综合性基准，利用人类演示来克服传统方法的泛化挑战。LearnAct 框架包含三个关键组件：DemoParser 提取演示知识，KnowSeeker 检索相关知识，以及 ActExecutor 利用这些知识进行任务执行。实验结果表明，LearnAct 显著提高了模型准确率和任务成功率，特别是在处理复杂和不常见场景时，从而推动了更具适应性和个性化的移动 GUI 代理的发展。

原文链接：https://arxiv.org/abs/2504.13805

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 b1.58 2B4T Technical Report

Summary

该文本介绍了BitNet b1.58 2B4T，这是一个开创性的1位大型语言模型（LLM）。该模型拥有20亿参数，并在4万亿个tokens上进行训练，其性能与同尺寸的全精度LLM不相上下，但显著降低了内存占用、能耗和推理延迟。通过定制的GPU和CPU推理实现，BitNet b1.58 2B4T为资源受限环境中的高效AI部署铺平了道路，并挑战了高性能LLM需要全精度权重的观念。

原文链接：https://arxiv.org/abs/2504.12285