Scaling Language-Free Visual Representation Learning
Lecun和Saining的工作：他还是对self-supervise念念不忘。看可能还真有点说法：作者发现，vlm里的encoder，之前用clip loss一直比ssl loss效果好，可能是scaling的不够，在对于数据量、参数量、测试集做了scaling以后，其实是ssl效果更好
再等等看……没准这个月的llama4，会是ssl encoder？
Recitation over Reasoning: How Cutting-Edge Language Models Can Fail on Elementary School-Level Reasoning Problems?
如果大家记得之前有一篇叫gsm8k-zero的工作，发现把简单数学题改成不需要数学的形式，模型效果会直接变烂。字节这篇新工作也是类似的，作者发现简单把题目了一些动词改成类似的形式，也是直接烂掉。
Agent S2: A Compositional Generalist-Specialist Framework for Computer Use Agents
agent s2应该是框架agent的新巅峰了，其实已经出来有段时间了，但是论文今天才挂出来。作者对于planning和grounding有专门的agent module去增强，达到了目前最强的效果。
