AceReason-Nemotron 1.1: Advancing Math and Code Reasoning through SFT and RL Synergy
Nvidia的工作，作者训了很多组模型，对比了各种sft初始化、各种temperature下模型的性能，给出了一组调参经验。
这位是真有卡
Scaling Test-time Compute for LLM Agents
Oppo的工作，在GAIA上对比了各种不同的scaling testtime compute框架的效果。和之前不同的点在于，作者做了比较新的模型对比，得出了一些结论。
AlphaEvolve: A coding agent for scientific and algorithmic discovery
火了整整一个月的alphaevolve的论文终于放出来了！这是一套人机结合的系统，人来决定一些可行的优化方向，然后agent来不停地向这个优化迭代算法
