LLM每周速递！学术最前沿：Agent应用、强化学习、RAG、复杂推理、多模态等

主要观点总结

文章主要介绍了大模型领域的最新研究进展，包括多尺度注意力、强化学习算法DAPO、大模型多Agent系统、人形机器人、调研报告生成、多模型推理模型等。每部分都有详细的介绍和相关的论文链接。

关键观点总结

关键观点1: 多尺度注意力（Attention）

提出了多尺度注意力（MSA）的新型神经网络架构Atlas，在高分辨率ImageNet 100变体中显著改善长上下文图像建模的计算-性能权衡。

关键观点2: 强化学习算法DAPO

字节提出了DAPO算法，助力RL，开源了一个使用Qwen2.5-32B基础模型在AIME 2024上达到50分的先进大规模强化学习系统，并介绍了算法成功的四大关键技巧。

关键观点3: 视频语言Agent

港理工提出一个新颖的视频-语言 Agent ：VideoMind，旨在实现对时序视频理解。在多个视频理解任务上取得了最先进的性能。

关键观点4: 自动化电影生成

NUS提出的MovieAgent系统，能够根据剧本和角色库生成多场景、多镜头的长视频，保持叙事连贯性、角色一致性等。

关键观点5: 人形机器人框架Being-0

北大介绍了Being-0框架，旨在构建能在现实世界中执行复杂任务的人形机器人。包括三个关键部分：Foundation Model、模块化技能库和视觉语言模型。

关键观点6: 调研论文生成

上海AI-Lab介绍了SURVEYFORGE，一个自动化生成调研论文的工具，旨在提高效率并缩小与人类撰写调研论文的质量差距。

关键观点7: 长链推理模型的训练

从头训练长链推理模型的相关工作介绍，通过两阶段SFT和半策略DPO训练，获得具有强大推理能力的模型。

关键观点8: 多模态推理模型

浙大介绍了一个多模态推理模型R1-Onevision，旨在连接视觉感知和深度推理。提出了一种跨模态推理流程，将图像转化为形式化文本表示，实现精确的语言推理。