时长：
10分钟
播放：
161
发布：
1个月前
主播...
简介...
本期的 14 篇论文如下：
[00:26] 🎬 Kling-Omni Technical Report（Kling-Omni技术报告）
[01:02] 🚀 LLaDA2.0: Scaling Up Diffusion Language Models to 100B（LLaDA2.0：将扩散语言模型扩展至1000亿参数）
[01:41] 🔮 Next-Embedding Prediction Makes Strong Vision Learners（下一嵌入预测构建强大的视觉学习器）
[02:27] 👓 StereoPilot: Learning Unified and Efficient Stereo Conversion via Generative Priors（StereoPilot：通过生成先验学习统一且高效的立体转换）
[02:58] 🎬 Seedance 1.5 pro: A Native Audio-Visual Joint Generation Foundation Model（Seedance 1.5 pro：一个原生音视频联合生成基础模型）
[03:34] 🔭 Depth Any Panoramas: A Foundation Model for Panoramic Depth Estimation（全景深度估计基础模型：深度任意全景）
[04:11] 📸 Generative Refocusing: Flexible Defocus Control from a Single Image（生成式重聚焦：从单张图像实现灵活散焦控制）
[04:56] 🤖 Adaptation of Agentic AI（智能体人工智能的适应性研究）
[05:36] ⚗ Alchemist: Unlocking Efficiency in Text-to-Image Model Training via Meta-Gradient Data Selection（炼金术士：通过元梯度数据选择提升文本到图像模型训练效率）
[06:12] 🛡 DeContext as Defense: Safe Image Editing in Diffusion Transformers（以去上下文为防御：扩散变换器中的安全图像编辑）
[06:58] 🧭 N3D-VLM: Native 3D Grounding Enables Accurate Spatial Reasoning in Vision-Language Models（N3D-VLM：原生3D基础实现视觉语言模型中的精确空间推理）
[07:49] 🎨 The World is Your Canvas: Painting Promptable Events with Reference Images, Trajectories, and Text（世界即画布：用参考图像、轨迹和文本绘制可提示事件）
[08:30] 🔧 AdaTooler-V: Adaptive Tool-Use for Images and Videos（AdaTooler-V：面向图像与视频的自适应工具使用）
[09:19] 🤔 Exploration v.s. Exploitation: Rethinking RLVR through Clipping, Entropy, and Spurious Reward（探索与利用之辩：通过裁剪、熵与虚假奖励重新审视RLVR）
【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
[00:26] 🎬 Kling-Omni Technical Report（Kling-Omni技术报告）
[01:02] 🚀 LLaDA2.0: Scaling Up Diffusion Language Models to 100B（LLaDA2.0：将扩散语言模型扩展至1000亿参数）
[01:41] 🔮 Next-Embedding Prediction Makes Strong Vision Learners（下一嵌入预测构建强大的视觉学习器）
[02:27] 👓 StereoPilot: Learning Unified and Efficient Stereo Conversion via Generative Priors（StereoPilot：通过生成先验学习统一且高效的立体转换）
[02:58] 🎬 Seedance 1.5 pro: A Native Audio-Visual Joint Generation Foundation Model（Seedance 1.5 pro：一个原生音视频联合生成基础模型）
[03:34] 🔭 Depth Any Panoramas: A Foundation Model for Panoramic Depth Estimation（全景深度估计基础模型：深度任意全景）
[04:11] 📸 Generative Refocusing: Flexible Defocus Control from a Single Image（生成式重聚焦：从单张图像实现灵活散焦控制）
[04:56] 🤖 Adaptation of Agentic AI（智能体人工智能的适应性研究）
[05:36] ⚗ Alchemist: Unlocking Efficiency in Text-to-Image Model Training via Meta-Gradient Data Selection（炼金术士：通过元梯度数据选择提升文本到图像模型训练效率）
[06:12] 🛡 DeContext as Defense: Safe Image Editing in Diffusion Transformers（以去上下文为防御：扩散变换器中的安全图像编辑）
[06:58] 🧭 N3D-VLM: Native 3D Grounding Enables Accurate Spatial Reasoning in Vision-Language Models（N3D-VLM：原生3D基础实现视觉语言模型中的精确空间推理）
[07:49] 🎨 The World is Your Canvas: Painting Promptable Events with Reference Images, Trajectories, and Text（世界即画布：用参考图像、轨迹和文本绘制可提示事件）
[08:30] 🔧 AdaTooler-V: Adaptive Tool-Use for Images and Videos（AdaTooler-V：面向图像与视频的自适应工具使用）
[09:19] 🤔 Exploration v.s. Exploitation: Rethinking RLVR through Clipping, Entropy, and Spurious Reward（探索与利用之辩：通过裁剪、熵与虚假奖励重新审视RLVR）
【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
