Llama-Nemotron: Efficient Reasoning Models
nvidia的工作，表面上看起来是o1，但其实是一个模型结构发现的工作。作者从llama-archi出发，用自动模型结构发现的方式做了各种组合，最后找到了一个很好的模型结构，由此训练多个不同大小的模型。在推理速度快的同时，又可以保证效果很好
Improving Large Language Model Planning with Action Sequence Similarity
这篇工作中，作者探索了一个具体的问题：在agent场景的icl中，什么样本对提升效果最明显？作者发现，用query找相似的query其实没用，因为会找到很多”看着类似但plan完全不同“的样本。不过，作者发现先让模型对test-query生成一个plan，再根据所有query的plan去找到plan最像的样本，可以极大地提高效果
这里抽象一层：模型看到query以后做了一些testtime-compute，然后调用了一个retrieve工具找到了对应的东西，最后提高了效果。
