Watch and Learn: Learning to Use Computers from Online Videos
Tutorial-based GUI Agent领域的一篇新工作。但这篇工作里，作者训了一个IDM模型（就是VPT里那个idm），让模型自动从视频里抽取action，由此把视频转化成学习信号更充足的image-text-interleave数据。然后在测试时，训练模型去看着教程来做相似的题目
What Scales in Cross-Entropy Scaling Law?
之前有一些predictable scaling领域的工作，认为模型的pretrain crossentropy会随着参数量/训练量的指数上升而线性下降。然而，实际上当模型变得很大时，这个理论就不再成立了，因为crossentropy衰减得更慢。作者发现了其中原因：把crossentropy拆分成三个部分，实际上只有一个部分是可以保持scaling law的，而另外两部分基本和模型大小无关，是常数。
这个方向现在好像研究的人不多了，大家都去卷rl了
GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks
GDPval的论文挂出来了。这个benchmark瞄准了AI解决真实世界问题、产生经济价值的水平。openai找了真正的各行业专家来出题和给题目做verify，由此产出了大概1000题，开源了200题。
AGENTRL: Scaling Agentic Reinforcement Learning with a Multi-Turn, Multi-Task Framework
zhipu最近发了computerRL，MobileRL，今天又发了一篇agentrl，这篇工作里，作者混训了几个纯文本的agent场景，然后用的是神奇的全异步rollout
这篇有点像是agentbench的后继
