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：
[00:31] 🔗 HopChain: Multi-Hop Data Synthesis for Generalizable Vision-Language Reasoning（HopChain：用于可泛化视觉语言推理的多跳数据合成）
[01:28] 🎬 Astrolabe: Steering Forward-Process Reinforcement Learning for Distilled Autoregressive Video Models（Astrolabe：面向蒸馏自回归视频模型的前向过程强化学习引导框架）
[02:06] 🛰 TerraScope: Pixel-Grounded Visual Reasoning for Earth Observation（TerraScope：面向地球观测的像素级视觉推理）
[02:56] 🔍 ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models（ProactiveBench：多模态大语言模型主动性能力评测基准）
[03:45] 🎬 LumosX: Relate Any Identities with Their Attributes for Personalized Video Generation（LumosX：通过属性关联任意身份实现个性化视频生成）
[04:50] 🏠 FlowScene: Style-Consistent Indoor Scene Generation with Multimodal Graph Rectified Flow（FlowScene：基于多模态图整流流的风格一致室内场景生成）
[05:35] 🧠 The $\mathbf{Y}$-Combinator for LLMs: Solving Long-Context Rot with $λ$-Calculus（面向大语言模型的Y组合子：用λ演算解决长上下文困境）
[06:20] 🎯 A Subgoal-driven Framework for Improving Long-Horizon LLM Agents（一种用于改进长视野LLM智能体的子目标驱动框架）
[07:02] 🔍 How Well Does Generative Recommendation Generalize?（生成式推荐模型的泛化能力究竟如何？）
[07:48] 🌍 WorldAgents: Can Foundation Image Models be Agents for 3D World Models?（WorldAgents：基础图像模型能否成为3D世界模型的智能体？）
[08:24] ⚡ BEAVER: A Training-Free Hierarchical Prompt Compression Method via Structure-Aware Page Selection（BEAVER：一种基于结构感知页面选择的免训练分层提示压缩方法）
[09:05] 🚀 Hyperagents（超智能体：可自我编辑的元认知自改进智能体）
[09:54] 🎬 HiMu: Hierarchical Multimodal Frame Selection for Long Video Question Answering（HiMu：面向长视频问答的分层多模态帧选择方法）
[10:37] 🎬 EgoForge: Goal-Directed Egocentric World Simulator（EgoForge：目标导向的自我中心世界模拟器）
[11:50] 🎬 Versatile Editing of Video Content, Actions, and Dynamics without Training（无需训练的通用视频内容、动作与动态编辑）
【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
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：
[00:31] 🔗 HopChain: Multi-Hop Data Synthesis for Generalizable Vision-Language Reasoning（HopChain：用于可泛化视觉语言推理的多跳数据合成）
[01:28] 🎬 Astrolabe: Steering Forward-Process Reinforcement Learning for Distilled Autoregressive Video Models（Astrolabe：面向蒸馏自回归视频模型的前向过程强化学习引导框架）
[02:06] 🛰 TerraScope: Pixel-Grounded Visual Reasoning for Earth Observation（TerraScope：面向地球观测的像素级视觉推理）
[02:56] 🔍 ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models（ProactiveBench：多模态大语言模型主动性能力评测基准）
[03:45] 🎬 LumosX: Relate Any Identities with Their Attributes for Personalized Video Generation（LumosX：通过属性关联任意身份实现个性化视频生成）
[04:50] 🏠 FlowScene: Style-Consistent Indoor Scene Generation with Multimodal Graph Rectified Flow（FlowScene：基于多模态图整流流的风格一致室内场景生成）
[05:35] 🧠 The $\mathbf{Y}$-Combinator for LLMs: Solving Long-Context Rot with $λ$-Calculus（面向大语言模型的Y组合子：用λ演算解决长上下文困境）
[06:20] 🎯 A Subgoal-driven Framework for Improving Long-Horizon LLM Agents（一种用于改进长视野LLM智能体的子目标驱动框架）
[07:02] 🔍 How Well Does Generative Recommendation Generalize?（生成式推荐模型的泛化能力究竟如何？）
[07:48] 🌍 WorldAgents: Can Foundation Image Models be Agents for 3D World Models?（WorldAgents：基础图像模型能否成为3D世界模型的智能体？）
[08:24] ⚡ BEAVER: A Training-Free Hierarchical Prompt Compression Method via Structure-Aware Page Selection（BEAVER：一种基于结构感知页面选择的免训练分层提示压缩方法）
[09:05] 🚀 Hyperagents（超智能体：可自我编辑的元认知自改进智能体）
[09:54] 🎬 HiMu: Hierarchical Multimodal Frame Selection for Long Video Question Answering（HiMu：面向长视频问答的分层多模态帧选择方法）
[10:37] 🎬 EgoForge: Goal-Directed Egocentric World Simulator（EgoForge：目标导向的自我中心世界模拟器）
[11:50] 🎬 Versatile Editing of Video Content, Actions, and Dynamics without Training（无需训练的通用视频内容、动作与动态编辑）
【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
