最近不少iclr 25的工作都挂出来了，质量还挺高的。
Multiagent Finetuning: Self Improvement with Diverse Reasoning Chains
这篇工作探索了让一堆模型从一个ckpt出发，然后通过多agent交流的方式做任务。接下来，把整体成功的case调出来，然后训练回对应的模型去，然后观察multi agent整体作为一个系统，会不会随着self-train的增强而增强
Understanding Impact of Human Feedback via Influence Functions
这篇工作研究的问题挺好玩的：在大规模标注中，大多数标注员都是水平有限的。现在的反馈链路往往是像下面这样，在标注很多数据以后，再由数据委托方发现数据问题。但是，想把数据的问题定位回标注过程中是很困难的，所以作者希望找到某种influence function，可以直接从数据的问题找到对应影响最大的标注数据。
