主播
节目简介
来源：小宇宙
【赞助商】
通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事
传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd
【目录】
本期的 15 篇论文如下：
[00:32] 🔍 WildDet3D: Scaling Promptable 3D Detection in the Wild（WildDet3D：可扩展的野外可提示三维检测）
[01:39] 🔧 FORGE:Fine-grained Multimodal Evaluation for Manufacturing Scenarios（FORGE：面向制造场景的细粒度多模态评估）
[02:25] 🔍 RefineAnything: Multimodal Region-Specific Refinement for Perfect Local Details（RefineAnything：面向完美局部细节的多模态区域特定精细化）
[02:58] 🔍 EXAONE 4.5 Technical Report（EXAONE 4.5 技术报告）
[03:56] 🎮 Matrix-Game 3.0: Real-Time and Streaming Interactive World Model with Long-Horizon Memory（Matrix-Game 3.0：具备长时记忆的实时流式交互世界模型）
[04:47] ⚡ ECHO: Efficient Chest X-ray Report Generation with One-step Block Diffusion（ECHO：基于一步块扩散的高效胸部X光报告生成）
[05:40] ♻ ELT: Elastic Looped Transformers for Visual Generation（ELT：用于视觉生成的弹性循环Transformer）
[06:25] 🔍 VisionFoundry: Teaching VLMs Visual Perception with Synthetic Images（VisionFoundry：利用合成图像教授视觉语言模型视觉感知）
[07:19] 🧠 Structured Causal Video Reasoning via Multi-Objective Alignment（通过多目标对齐实现结构化因果视频推理）
[08:11] ⚠ Backdoor Attacks on Decentralised Post-Training（去中心化后训练中的后门攻击）
[08:58] 🧠 AgentSwing: Adaptive Parallel Context Management Routing for Long-Horizon Web Agents（AgentSwing：面向长视野网络智能体的自适应并行上下文管理路由）
[09:55] ⚠ Large Language Models Generate Harmful Content Using a Distinct, Unified Mechanism（大语言模型通过一种独特且统一的机制生成有害内容）
[10:49] 🎭 Cross-Modal Emotion Transfer for Emotion Editing in Talking Face Video（面向说话人脸视频情感编辑的跨模态情感迁移）
[11:28] 🔍 ScheMatiQ: From Research Question to Structured Data through Interactive Schema Discovery（ScheMatiQ：从研究问题到结构化数据——通过交互式模式发现）
[12:17] 🔍 $p1$: Better Prompt Optimization with Fewer Prompts（p1：用更少的提示实现更好的提示优化）
【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
通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事
传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd
【目录】
本期的 15 篇论文如下：
[00:32] 🔍 WildDet3D: Scaling Promptable 3D Detection in the Wild（WildDet3D：可扩展的野外可提示三维检测）
[01:39] 🔧 FORGE:Fine-grained Multimodal Evaluation for Manufacturing Scenarios（FORGE：面向制造场景的细粒度多模态评估）
[02:25] 🔍 RefineAnything: Multimodal Region-Specific Refinement for Perfect Local Details（RefineAnything：面向完美局部细节的多模态区域特定精细化）
[02:58] 🔍 EXAONE 4.5 Technical Report（EXAONE 4.5 技术报告）
[03:56] 🎮 Matrix-Game 3.0: Real-Time and Streaming Interactive World Model with Long-Horizon Memory（Matrix-Game 3.0：具备长时记忆的实时流式交互世界模型）
[04:47] ⚡ ECHO: Efficient Chest X-ray Report Generation with One-step Block Diffusion（ECHO：基于一步块扩散的高效胸部X光报告生成）
[05:40] ♻ ELT: Elastic Looped Transformers for Visual Generation（ELT：用于视觉生成的弹性循环Transformer）
[06:25] 🔍 VisionFoundry: Teaching VLMs Visual Perception with Synthetic Images（VisionFoundry：利用合成图像教授视觉语言模型视觉感知）
[07:19] 🧠 Structured Causal Video Reasoning via Multi-Objective Alignment（通过多目标对齐实现结构化因果视频推理）
[08:11] ⚠ Backdoor Attacks on Decentralised Post-Training（去中心化后训练中的后门攻击）
[08:58] 🧠 AgentSwing: Adaptive Parallel Context Management Routing for Long-Horizon Web Agents（AgentSwing：面向长视野网络智能体的自适应并行上下文管理路由）
[09:55] ⚠ Large Language Models Generate Harmful Content Using a Distinct, Unified Mechanism（大语言模型通过一种独特且统一的机制生成有害内容）
[10:49] 🎭 Cross-Modal Emotion Transfer for Emotion Editing in Talking Face Video（面向说话人脸视频情感编辑的跨模态情感迁移）
[11:28] 🔍 ScheMatiQ: From Research Question to Structured Data through Interactive Schema Discovery（ScheMatiQ：从研究问题到结构化数据——通过交互式模式发现）
[12:17] 🔍 $p1$: Better Prompt Optimization with Fewer Prompts（p1：用更少的提示实现更好的提示优化）
【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
