Train Long, Think Short: Curriculum Learning for Efficient Reasoning
这篇工作比较有趣：作者发现，在rl过程中，先给大的thinking budget（允许每个题的think token数比较多），然后随着训练逐渐减少budget。比总体一直开着中等budget训练效果更好
这个结论相反的是，seed之前有个工作发现应该先给小budget，随着训练逐渐增大……这就是学术
OPENCUA: Open Foundations for Computer-Use Agents
一篇很好的CUA工作，已经火了一段时间了，但是今天才挂出来。作者做了一个从数据集到模型都开源的框架，可以把osworld-verified做到35分。osworld verified是对osworld的评测脚本做了修复，排除了一些无法完成的题目。
之前的jedi数据集也是yutao老师组的工作，是单轮的grounding数据集，都是很好的工作
