GTA1: GUI Test-time Scaling Agent
这是一篇GUI Agent的工作，作者做了一个grounding rl，然后用o3做planner，把OSWorld刷到了45分。作者搞了个re sample策略，每次让o3说很多个action，然后自己选一个最好的。通过这种方式，还继续提高plan的效果
Simple Convergence Proof of Adam From a Sign-like Descent Perspective
这篇工作名字很牛，实际很数学，是一篇Adam优化器收敛性的文章。自从Adam火了以后，有很多理论工作来分析为什么adam收敛快，但分析的结果其实都不太好，解释不了adam的性能。这篇工作尝试从另一个视角来分析收敛性。
没看懂，但大受震撼