这周是顶级，好像刷新了一天更新论文的最多纪录……今天还有kaiming神的论文，但我看了半天没看懂，就不献丑了w
AgiBot World Colosseo: A Large-scale Manipulation Platform for Scalable and Intelligent Embodied Systems
AI Lab的具身工作，一言以蔽之：数据模型都开源。作者用human in the loop的方案，足足收了1M trace。
Delusions of Large Language Models
作者发现，传统hallucination检测相关的工作，有一个基本的假设在于：幻觉的地方模型的ppl一般都大。但是，作者发现了另一种现象，有些情况下，模型在幻觉，并且非常肯定自己的判断。作者把这个现象叫做delusion。作者做了一些实验，发现这些东西基本是sft都按不回来的。
Optimizing Test-Time Compute via Meta Reinforcement Fine-Tuning
Kumar带着它的奇思妙想回来了，作者发现，已有的rl算法其实没有incentivize test-time-training，而是在优化最终的绝对效果。具体来说，假设有个真实reward，随着token去成长，其实这个曲线的导数最大/而不是绝对值最高的地方是应该被奖励的，所以作者定义了一个叫做cumulative-regret的概念去优化这个东西，并希望观察是否会incentivize更好的testtime-scaling
标题里这个meta用得还真贴切，别人都是incentivize thought，他是incentivize incentivize
