时长：
7分钟
播放：
102
发布：
2周前
主播...
简介...
本期的 15 篇论文如下：
[00:24] 🚀 InternVL3.5: Advancing Open-Source Multimodal Models in Versatility, Reasoning, and Efficiency（InternVL3.5：提升开源多模态模型在通用性、推理能力和效率上的表现）
[00:52] 🧠 Visual-CoG: Stage-Aware Reinforcement Learning with Chain of Guidance for Text-to-Image Generation（Visual-CoG：阶段感知强化学习与指导链用于文本到图像生成）
[01:19] 🎨 MV-RAG: Retrieval Augmented Multiview Diffusion（MV-RAG：检索增强多视角扩散）
[01:45] 🧠 T2I-ReasonBench: Benchmarking Reasoning-Informed Text-to-Image Generation（T2I-ReasonBench：推理增强型文本到图像生成基准评估）
[02:10] 🤔 Beyond Memorization: Extending Reasoning Depth with Recurrence, Memory and Test-Time Compute Scaling（超越记忆：借助循环、记忆和测试时计算扩展来提升推理深度）
[02:41] 🚀 Breaking the Exploration Bottleneck: Rubric-Scaffolded Reinforcement Learning for General LLM Reasoning（打破探索瓶颈：通用大型语言模型推理的评分标准支架式强化学习）
[03:04] 🎨 PosterGen: Aesthetic-Aware Paper-to-Poster Generation via Multi-Agent LLMs（PosterGen：基于多智能体LLMs的美学感知型论文海报生成）
[03:25] 🤔 UQ: Assessing Language Models on Unsolved Questions（UQ：评估语言模型面对未解决问题）
[03:54] 📚 MEENA (PersianMMMU): Multimodal-Multilingual Educational Exams for N-level Assessment（MEENA (PersianMMMU)：面向多级别评估的多模态多语言教育考试）
[04:25] 🗺 Explain Before You Answer: A Survey on Compositional Visual Reasoning（先解释再回答：组合式视觉推理研究综述）
[04:47] 📊 ST-Raptor: LLM-Powered Semi-Structured Table Question Answering（ST-Raptor：大语言模型驱动的半结构化表格问答）
[05:15] 🔍 SpotEdit: Evaluating Visually-Guided Image Editing Methods（SpotEdit：评估视觉引导的图像编辑方法）
[05:39] 📖 German4All - A Dataset and Model for Readability-Controlled Paraphrasing in German（German4All：德语中可读性控制复述的数据集与模型）
[06:06] 📉 Limitations of Normalization in Attention Mechanism（注意力机制中归一化的局限性）
[06:33] 🌐 MeshSplat: Generalizable Sparse-View Surface Reconstruction via Gaussian Splatting（MeshSplat：基于高斯辐射场的可泛化稀疏视角表面重建）
【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
[00:24] 🚀 InternVL3.5: Advancing Open-Source Multimodal Models in Versatility, Reasoning, and Efficiency（InternVL3.5：提升开源多模态模型在通用性、推理能力和效率上的表现）
[00:52] 🧠 Visual-CoG: Stage-Aware Reinforcement Learning with Chain of Guidance for Text-to-Image Generation（Visual-CoG：阶段感知强化学习与指导链用于文本到图像生成）
[01:19] 🎨 MV-RAG: Retrieval Augmented Multiview Diffusion（MV-RAG：检索增强多视角扩散）
[01:45] 🧠 T2I-ReasonBench: Benchmarking Reasoning-Informed Text-to-Image Generation（T2I-ReasonBench：推理增强型文本到图像生成基准评估）
[02:10] 🤔 Beyond Memorization: Extending Reasoning Depth with Recurrence, Memory and Test-Time Compute Scaling（超越记忆：借助循环、记忆和测试时计算扩展来提升推理深度）
[02:41] 🚀 Breaking the Exploration Bottleneck: Rubric-Scaffolded Reinforcement Learning for General LLM Reasoning（打破探索瓶颈：通用大型语言模型推理的评分标准支架式强化学习）
[03:04] 🎨 PosterGen: Aesthetic-Aware Paper-to-Poster Generation via Multi-Agent LLMs（PosterGen：基于多智能体LLMs的美学感知型论文海报生成）
[03:25] 🤔 UQ: Assessing Language Models on Unsolved Questions（UQ：评估语言模型面对未解决问题）
[03:54] 📚 MEENA (PersianMMMU): Multimodal-Multilingual Educational Exams for N-level Assessment（MEENA (PersianMMMU)：面向多级别评估的多模态多语言教育考试）
[04:25] 🗺 Explain Before You Answer: A Survey on Compositional Visual Reasoning（先解释再回答：组合式视觉推理研究综述）
[04:47] 📊 ST-Raptor: LLM-Powered Semi-Structured Table Question Answering（ST-Raptor：大语言模型驱动的半结构化表格问答）
[05:15] 🔍 SpotEdit: Evaluating Visually-Guided Image Editing Methods（SpotEdit：评估视觉引导的图像编辑方法）
[05:39] 📖 German4All - A Dataset and Model for Readability-Controlled Paraphrasing in German（German4All：德语中可读性控制复述的数据集与模型）
[06:06] 📉 Limitations of Normalization in Attention Mechanism（注意力机制中归一化的局限性）
[06:33] 🌐 MeshSplat: Generalizable Sparse-View Surface Reconstruction via Gaussian Splatting（MeshSplat：基于高斯辐射场的可泛化稀疏视角表面重建）
【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
