Meta

rePIRL: Learn PRM with Inverse RL for LLM Reasoning

rePIRL: 通过逆强化学习学习PRM以提高LLM推理

Xian Wu, Kaijie Zhu, Ying Zhang, Lun Wang, Wenbo Guo

机构 * Meta AI ； Department of Computer Science, University of California, Santa Barbara（加州大学圣芭芭拉分校计算机科学系） ； Google DeepMind（谷歌DeepMind） ； Independent Researcher（独立研究者） 纠错

AI总结 本文提出rePIRL框架，通过逆强化学习学习高效的PRM，无需依赖专家策略的强假设，解决了传统方法中熵崩溃等固有限制问题，通过双学习过程和定制技术提升LLM推理性能，并在数学和编程任务数据集上验证了其有效性。

Agentic Very Long Video Understanding

智能体超长视频理解

Aniket Rege, Arka Sadhu, Yuliang Li, Kejie Li, Ramya Korlakai Vinayak, Yuning Chai, Yong Jae Lee, Hyo Jin Kim

机构 * Reality Labs Research at Meta（Meta 实验室） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 针对智能眼镜等设备带来的长视频理解需求，以实体场景图为核心构建增强智能体框架EGAgent，实现结构化搜索、推理及跨模态能力，在相关数据集实验中取得较好表现。

Comments 29 pages, 8 figures, 8 tables

FastCSP: Accelerated Molecular Crystal Structure Prediction with Universal Model for Atoms

FastCSP：基于原子通用模型的加速分子晶体结构预测

Vahe Gharakhanyan, Yi Yang, Luis Barroso-Luque, Daniel S. Levine, Sushree Jagriti Sahoo, Brandon M. Wood, Kyle Michel, Muhammed Shuaibi, Gregory J. O. Beran, Viachaslau Bernat, Misko Dzamba, Xiang Fu, Meng Gao, Xingyu Liu, Benjamin K. Miller, Keian Noori, Lafe J. Purvis, Tingling Rao, Ammar Rizvi, Matt Uyttendaele, Andrew J. Ouderkirk, Chiara Daraio, C. Lawrence Zitnick, Arman Boromand, Noa Marom, Zachary W. Ulissi, Anuroop Sriram

机构 * Fundamental AI Research at Meta（Meta 基础人工智能研究） ； Department of Materials Science and Engineering, Carnegie Mellon University（卡内基梅隆大学材料科学与工程系） ； Department of Chemistry, University of California Riverside（加州大学河滨分校化学系） ； Reality Labs Research at Meta（Meta 现实实验室研究） ； Department of Physics, Carnegie Mellon University（卡内基梅隆大学物理系） ； Department of Chemistry, Carnegie Mellon University（卡内基梅隆大学化学系） 纠错

AI总结 研究分子晶体结构预测难题，提出FastCSP工作流程，由预训练通用机器学习原子间势驱动，无需特定系统微调或DFT计算，能可靠恢复已知结构，降低计算成本。

Comments 32 pages, 10 figures, 32 pages supplementary information. Code available at https://github.com/facebookresearch/fairchem/tree/main/src/fairchem/applications/fastcsp