SmartFlowAI
点击上方蓝字关注我们
作者：企鹅火烈鸟
全文约 1000 字，预计阅读时间 3 分钟
开一个新坑，每周分享这周读的感兴趣的hf daily。每天取一篇，组成hf weekly。（本周看了5篇paper
Daily1: GenEx: Generating an Explorable World
周一给大家推荐rank2的这篇paper，原因是它的demo真的很动感。让我直接就点进去了hhh，下面我们一起来看一下吧。
文章简介：
这篇文章介绍了 GenEx 系统，它能从单张 RGB 图像生成 3D 一致且可探索的想象世界，助力人工智能模拟人类认知过程，其最吸引人的点在于为具身人工智能提供了新平台，推动了人工智能在多个领域的发展，并在生成质量、探索一致性等多方面表现出色。它能根据你的动作进行实时生成的三维场景渲染，有很fancy的感觉。
Daily2: Byte Latent Transformer: Patches Scale Better Than Tokens
文章简介：
到了周二，今天这上面多了很多inpaint的工作。看到inpaint的工作demo都是十分的好看，但是实现方法感觉都十分一致。所以周二咱们带来Meta的大作BLT，记得这天网上上最火的一句话就是：tokenizer不存在了。
这篇文章介绍了 Byte Latent Transformer（BLT）这一全新字节级 LLM 架构，它通过将字节编码为动态补丁进行计算，首次在大规模上达到与基于分词模型相当的性能，同时显著提升了推理效率与鲁棒性，实现了计算资源的动态分配，为语言模型的发展开辟了新方向。其吸引人之处在于提出了一种创新的模型架构，解决了传统分词方式的诸多问题，且在多项实验中展现出卓越性能，如在推理效率上超越同类模型，在处理噪声输入和字符级任务时表现出色，主要的点还是给词表压缩进潜空间。带来效率上的提升。
Daily3: OmniEval: An Omnidirectional and Automatic RAG Evaluation Benchmark in Financial Domain
文章简介：
周三是比较沉寂的一天，hf上有好几篇eval的工作。这里咱们一起看一篇OmniEval换换口味。文章核心是在金融领域引入全方位自动的 RAG 基准 OmniEval，它具备多维评估框架，涵盖矩阵式 RAG 场景评估、多维度数据生成、多阶段评估系统及稳健评估指标，实验表明其全面性并凸显 RAG 系统在垂直领域的改进空间。
Daily4: Smarter, Better, Faster, Longer: A Modern Bidirectional Encoder for Fast, Memory Efficient, and Long Context Finetuning and Inference
文章简介：
第四天有一个很重磅的工作，有人重新做了ModernBert。有更大的词表，更快的推理速度。这篇文章介绍了 ModernBERT，一种为快速、内存高效和长上下文微调及推理而设计的现代双向编码器，在多种任务上实现了当前最优性能，推理效率显著提升，且设计注重硬件效率，为编码器模型发展带来重大改进。（主打一个情怀
Daily5: Qwen2.5 Technical Report
文章简介：
周五有一篇数据生成的文章，也很有意思。但是碍于时间都用来读Qwen2.5 report了，所以咱们还是回来说Qwen2.5吧。
Qwen2.5第一个点就是训练tokens数量变多了很多
第二个点就是从它的字里行间看出来，Qwen2.5训了一个MoE模型。但是作为serving了，还是很好奇Qwen2.5 MoE模型的性能的。
第三点是它们的开源协议很有意思，3B模型和72B模型开源协议和其他模型不一样（我关注的都是些什么奇怪的点
长文使用了DCA+YARN（第一次看大海捞针这么绿的
总结
本周看了五篇论文，这也就是我这周看的论文啦～不知道大家这周都种草了什么论文。
往期 · 推荐
🌠 番外：我们期待与读者共同探讨如何在 AI 的辅助下，更好地发挥人类的潜力，以及如何培养和维持那些 AI 难以取代的核心技能。通过深入分析和实践，我们可以更清晰地认识到 AI 的辅助作用，并在 AI 时代下找到人类的独特价值和发展空间。“机智流”公众号后台聊天框回复“cc”，加入机智流大模型交流群！
一起“点赞”三连👇
