节目简介
来源：小宇宙
⏱️ Highlights
[00:27] 🧭 Route Anything: A Study of Model and Policy Routing for General-Purpose AI Systems（Route Anything：面向通用AI系统的模型与策略路由研究）
[01:03] 💬 Words Caught in the Heart: Simulating Person-Specific Expression for Self-Opaque Clients in Psychotherapy（困在心中的话：为心理治疗中难以理解自身体验的来访者模拟个体化表达）
[01:41] 🧠 Think Less, Locally: Local Preference Learning for Reasoning Compression（局部少想一点：用于推理压缩的局部偏好学习）
[02:16] 🎬 MoviEdit: Long-form Multi-Shot Video Editing Made Easy（MoviEdit：让长篇多镜头视频编辑更轻松）
[02:53] 🎞️ Behind Video Generation: Observations and Insights on Multimodal Understanding from Kling（视频生成的背后：来自Kling的多模态理解观察与洞见）
[03:30] 🦾 DreamX: Video Diffusion Model is a Universal Latent Action Learner（DreamX：视频扩散模型是一种通用潜动作学习器）
[04:05] 🤖 RoboColosseum: Evaluating Physical Intelligence at Scale In-The-Wild（RoboColosseum：在真实开放环境中规模化评估物理智能）
[04:42] 🔎 Factorized MLLM Embeddings for Composed Image Retrieval（用于组合式图像检索的因子化多模态大语言模型嵌入）
[05:19] 🛠️ Axion 1.0: Open Agent Foundation Models, Simplified（Axion 1.0：化繁为简的开放智能体基础模型）
[05:54] 🔗 ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents（ToolSpace：为长程智能体扩展以工具为中心的环境合成）
[06:32] 🗂️ YANAMI: A Large-Scale Multimodal Dataset and Benchmark for Multiturn Stateful Interaction（YANAMI：用于多轮有状态交互的大规模多模态数据集与基准）
[07:10] 🤝 EvoTeam: Multi-Agent Collaboration via Evolving Teams（EvoTeam：通过演化团队实现多智能体协作）
[07:47] 📽️ VidUEU-Agent: A Data-Curation Agent for Multimodal Understanding, Editing, and Unified Tasks（VidUEU-Agent：面向多模态理解、编辑与统一任务的数据策展智能体）
[08:26] 🌐 WebHarbor: Docking Real Websites for Evolving GUI Agent Environments（WebHarbor：将真实网站接入可演进的GUI智能体环境）
[09:04] ⚖️ ParetoSaddler: Pareto-Guided Optimization of Agent Harnesses for Quality and Cost（ParetoSaddler：以帕累托方法引导智能体运行框架的质量与成本优化）
[播客论文目录配图]
【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
[00:27] 🧭 Route Anything: A Study of Model and Policy Routing for General-Purpose AI Systems（Route Anything：面向通用AI系统的模型与策略路由研究）
[01:03] 💬 Words Caught in the Heart: Simulating Person-Specific Expression for Self-Opaque Clients in Psychotherapy（困在心中的话：为心理治疗中难以理解自身体验的来访者模拟个体化表达）
[01:41] 🧠 Think Less, Locally: Local Preference Learning for Reasoning Compression（局部少想一点：用于推理压缩的局部偏好学习）
[02:16] 🎬 MoviEdit: Long-form Multi-Shot Video Editing Made Easy（MoviEdit：让长篇多镜头视频编辑更轻松）
[02:53] 🎞️ Behind Video Generation: Observations and Insights on Multimodal Understanding from Kling（视频生成的背后：来自Kling的多模态理解观察与洞见）
[03:30] 🦾 DreamX: Video Diffusion Model is a Universal Latent Action Learner（DreamX：视频扩散模型是一种通用潜动作学习器）
[04:05] 🤖 RoboColosseum: Evaluating Physical Intelligence at Scale In-The-Wild（RoboColosseum：在真实开放环境中规模化评估物理智能）
[04:42] 🔎 Factorized MLLM Embeddings for Composed Image Retrieval（用于组合式图像检索的因子化多模态大语言模型嵌入）
[05:19] 🛠️ Axion 1.0: Open Agent Foundation Models, Simplified（Axion 1.0：化繁为简的开放智能体基础模型）
[05:54] 🔗 ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents（ToolSpace：为长程智能体扩展以工具为中心的环境合成）
[06:32] 🗂️ YANAMI: A Large-Scale Multimodal Dataset and Benchmark for Multiturn Stateful Interaction（YANAMI：用于多轮有状态交互的大规模多模态数据集与基准）
[07:10] 🤝 EvoTeam: Multi-Agent Collaboration via Evolving Teams（EvoTeam：通过演化团队实现多智能体协作）
[07:47] 📽️ VidUEU-Agent: A Data-Curation Agent for Multimodal Understanding, Editing, and Unified Tasks（VidUEU-Agent：面向多模态理解、编辑与统一任务的数据策展智能体）
[08:26] 🌐 WebHarbor: Docking Real Websites for Evolving GUI Agent Environments（WebHarbor：将真实网站接入可演进的GUI智能体环境）
[09:04] ⚖️ ParetoSaddler: Pareto-Guided Optimization of Agent Harnesses for Quality and Cost（ParetoSaddler：以帕累托方法引导智能体运行框架的质量与成本优化）
[播客论文目录配图]
【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