时长：
7分钟
播放：
106
发布：
3周前
主播...
简介...
本期的 15 篇论文如下：
[00:18] 🧠 ReasonRank: Empowering Passage Ranking with Strong Reasoning Ability（ReasonRank：赋予段落排序强大推理能力）
[00:41] 🔍 WideSearch: Benchmarking Agentic Broad Info-Seeking（WideSearch：智能体广域信息搜寻基准测试）
[01:01] ✨ Omni-Effects: Unified and Spatially-Controllable Visual Effects Generation（Omni-Effects：统一且空间可控的视觉效果生成）
[01:26] 🧠 Klear-Reasoner: Advancing Reasoning Capability via Gradient-Preserving Clipping Policy Optimization（Klear-Reasoner：通过梯度保留剪裁策略优化提升推理能力）
[01:59] 💬 UserBench: An Interactive Gym Environment for User-Centric Agents（UserBench：面向用户中心智能体的交互式Gym基准环境）
[02:22] 💡 SONAR-LLM: Autoregressive Transformer that Thinks in Sentence Embeddings and Speaks in Tokens（SONAR-LLM：以句子嵌入思考并以Token表达的自回归Transformer）
[02:50] 🌱 A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems（自进化AI智能体综合综述：连接基础模型与终身智能体系统的新范式）
[03:15] 🔬 BrowseComp-Plus: A More Fair and Transparent Evaluation Benchmark of Deep-Research Agent（BrowseComp-Plus：一种更公平透明的深度研究智能体评估基准）
[03:45] 🤖 MolmoAct: Action Reasoning Models that can Reason in Space（MolmoAct：可进行空间推理的动作推理模型）
[04:11] 🤖 OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks（OmniEAR：具身任务中智能体推理的基准测试）
[04:38] 💡 Grove MoE: Towards Efficient and Superior MoE LLMs with Adjugate Experts（Grove MoE：面向高效卓越的伴随专家MoE大语言模型）
[05:05] ⏳ Temporal Self-Rewarding Language Models: Decoupling Chosen-Rejected via Past-Future（时序自奖励语言模型：通过过去-未来解耦选择与拒绝）
[05:29] 🗺 Reinforcement Learning in Vision: A Survey（视觉强化学习：综述）
[05:59] 🔍 Part I: Tricks or Traps? A Deep Dive into RL for LLM Reasoning（第一部分：技巧还是陷阱？深入探究强化学习在大型语言模型推理中的应用）
[06:23] 🖌 Follow-Your-Shape: Shape-Aware Image Editing via Trajectory-Guided Region Control（随形而动：轨迹引导区域控制的形状感知图像编辑）
【关注我们】
您还可以在以下平台找到我们，获得播客内容以外更多信息
小红书: AI速递
[00:18] 🧠 ReasonRank: Empowering Passage Ranking with Strong Reasoning Ability（ReasonRank：赋予段落排序强大推理能力）
[00:41] 🔍 WideSearch: Benchmarking Agentic Broad Info-Seeking（WideSearch：智能体广域信息搜寻基准测试）
[01:01] ✨ Omni-Effects: Unified and Spatially-Controllable Visual Effects Generation（Omni-Effects：统一且空间可控的视觉效果生成）
[01:26] 🧠 Klear-Reasoner: Advancing Reasoning Capability via Gradient-Preserving Clipping Policy Optimization（Klear-Reasoner：通过梯度保留剪裁策略优化提升推理能力）
[01:59] 💬 UserBench: An Interactive Gym Environment for User-Centric Agents（UserBench：面向用户中心智能体的交互式Gym基准环境）
[02:22] 💡 SONAR-LLM: Autoregressive Transformer that Thinks in Sentence Embeddings and Speaks in Tokens（SONAR-LLM：以句子嵌入思考并以Token表达的自回归Transformer）
[02:50] 🌱 A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems（自进化AI智能体综合综述：连接基础模型与终身智能体系统的新范式）
[03:15] 🔬 BrowseComp-Plus: A More Fair and Transparent Evaluation Benchmark of Deep-Research Agent（BrowseComp-Plus：一种更公平透明的深度研究智能体评估基准）
[03:45] 🤖 MolmoAct: Action Reasoning Models that can Reason in Space（MolmoAct：可进行空间推理的动作推理模型）
[04:11] 🤖 OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks（OmniEAR：具身任务中智能体推理的基准测试）
[04:38] 💡 Grove MoE: Towards Efficient and Superior MoE LLMs with Adjugate Experts（Grove MoE：面向高效卓越的伴随专家MoE大语言模型）
[05:05] ⏳ Temporal Self-Rewarding Language Models: Decoupling Chosen-Rejected via Past-Future（时序自奖励语言模型：通过过去-未来解耦选择与拒绝）
[05:29] 🗺 Reinforcement Learning in Vision: A Survey（视觉强化学习：综述）
[05:59] 🔍 Part I: Tricks or Traps? A Deep Dive into RL for LLM Reasoning（第一部分：技巧还是陷阱？深入探究强化学习在大型语言模型推理中的应用）
[06:23] 🖌 Follow-Your-Shape: Shape-Aware Image Editing via Trajectory-Guided Region Control（随形而动：轨迹引导区域控制的形状感知图像编辑）
【关注我们】
您还可以在以下平台找到我们，获得播客内容以外更多信息
小红书: AI速递
评价...
空空如也
小宇宙热门评论...
暂无小宇宙热门评论
