LLM“炒股”水平如何？谷歌怎样“教会”小模型？本周10篇精选论文分享

主要观点总结

本周AI领域有多篇重要论文发布，涉及LLM、Reg-DPO、Orion-MSP等主题。LLM在金融决策、表格数据学习、视频生成、视觉-语言-行动模型等方面都有新进展。其他论文涉及语音处理、多模态基准、监督强化学习等。本文对这些论文进行了简要介绍和总结。

关键观点总结

关键观点1: UIUC开始让LLM下场“炒股”，测试真实决策力

UIUC的论文提出实时交易环境LiveTradeBench，用于评估LLM代理在真实市场中的表现。结果显示静态评估与现实世界能力之间存在差距，激励了测试连续决策和实时一致性的基准测试。

关键观点2: 字节提升视频生成质量

字节的Reg-DPO方法利用真实视频作为正样本、模型生成视频作为负样本自动构建高质量偏好对，无需外部标注。并结合SFT损失作为正则项加入DPO目标，增强训练稳定性和生成保真度。

关键观点3: 高效VLAs全面综述

首次对高效VLAs进行综合综述，涵盖数据、模型、训练全过程，提出统一分类法，将技术分为三大核心支柱。为社区建立基础参考，总结代表性应用，阐述关键挑战和规划未来研究路线图。

关键观点4: CMU发布首个音素语音基础模型

CMU提出POWSM模型，能联合执行多种音素相关任务，实现音频、文本和音素间无缝转换。该模型性能优于或媲美类似大小的专用PR模型。

关键观点5: Meta构建多模态多轮全面RAG基准

Meta构建了CRAG-MM基准，包含单轮和多轮对话任务，涵盖多个领域。该基准为智能眼镜等可穿戴设备提供评估标准，并举办了KDD Cup 2025吸引众多参与者。

关键观点6: Google使用监督强化学习SRL提升LLM推理能力

Google提出监督强化学习（SRL）框架，将问题解决转化为生成逻辑‘动作’序列。该框架使小模型能学会此前SFT或RLVR学不会的难题，并提高了模型的灵活推理能力。