时长：
13分钟
播放：
68
发布：
1天前
主播...
简介...
【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] 🤖 Green-VLA: Staged Vision-Language-Action Model for Generalist Robots（Green-VLA：面向通用机器人的分阶段视觉-语言-动作模型）
[01:24] 🤖 Kimi K2.5: Visual Agentic Intelligence（Kimi K2.5：视觉智能体）
[02:09] 🔍 Vision-DeepResearch: Incentivizing DeepResearch Capability in Multimodal Large Language Models（Vision-DeepResearch：激励多模态大语言模型中的深度研究能力）
[03:08] 🔍 Vision-DeepResearch Benchmark: Rethinking Visual and Textual Search for Multimodal Large Language Models（Vision-DeepResearch 基准：重新思考多模态大语言模型的视觉与文本搜索）
[03:57] 🔄 Closing the Loop: Universal Repository Representation with RPG-Encoder（闭环：基于RPG-Encoder的通用代码仓库表示方法）
[04:39] 🧠 UniReason 1.0: A Unified Reasoning Framework for World Knowledge Aligned Image Generation and Editing（UniReason 1.0：面向世界知识对齐图像生成与编辑的统一推理框架）
[05:23] 📊 WildGraphBench: Benchmarking GraphRAG with Wild-Source Corpora（WildGraphBench：基于野生来源语料库的图检索增强生成基准测试）
[06:28] 📚 FS-Researcher: Test-Time Scaling for Long-Horizon Research Tasks with File-System-Based Agents（FS-Researcher：基于文件系统的智能体在长周期研究任务中的测试时扩展）
[07:23] 🚀 SWE-Universe: Scale Real-World Verifiable Environments to Millions（SWE-Universe：将真实世界可验证的软件工程环境扩展至百万规模）
[08:13] 📚 Wiki Live Challenge: Challenging Deep Research Agents with Expert-Level Wikipedia Articles（维基实时挑战：用专家级维基百科文章挑战深度研究智能体）
[08:58] ⚖ SLIME: Stabilized Likelihood Implicit Margin Enforcement for Preference Optimization（SLIME：基于稳定似然的隐式边界强化偏好优化）
[09:45] 🎨 PixelGen: Pixel Diffusion Beats Latent Diffusion with Perceptual Loss（PixelGen：基于感知损失的像素扩散模型超越潜在扩散模型）
[10:38] ⚙ RLAnything: Forge Environment, Policy, and Reward Model in Completely Dynamic RL System（RLAnything：在完全动态强化学习系统中锻造环境、策略与奖励模型）
[11:30] 🧠 Mind-Brush: Integrating Agentic Cognitive Search and Reasoning into Image Generation（思维画笔：将智能认知搜索与推理融入图像生成）
[12:17] 🎬 PISCES: Annotation-free Text-to-Video Post-Training via Optimal Transport-Aligned Rewards（PISCES：基于最优传输对齐奖励的无标注文本到视频后训练方法）
【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] 🤖 Green-VLA: Staged Vision-Language-Action Model for Generalist Robots（Green-VLA：面向通用机器人的分阶段视觉-语言-动作模型）
[01:24] 🤖 Kimi K2.5: Visual Agentic Intelligence（Kimi K2.5：视觉智能体）
[02:09] 🔍 Vision-DeepResearch: Incentivizing DeepResearch Capability in Multimodal Large Language Models（Vision-DeepResearch：激励多模态大语言模型中的深度研究能力）
[03:08] 🔍 Vision-DeepResearch Benchmark: Rethinking Visual and Textual Search for Multimodal Large Language Models（Vision-DeepResearch 基准：重新思考多模态大语言模型的视觉与文本搜索）
[03:57] 🔄 Closing the Loop: Universal Repository Representation with RPG-Encoder（闭环：基于RPG-Encoder的通用代码仓库表示方法）
[04:39] 🧠 UniReason 1.0: A Unified Reasoning Framework for World Knowledge Aligned Image Generation and Editing（UniReason 1.0：面向世界知识对齐图像生成与编辑的统一推理框架）
[05:23] 📊 WildGraphBench: Benchmarking GraphRAG with Wild-Source Corpora（WildGraphBench：基于野生来源语料库的图检索增强生成基准测试）
[06:28] 📚 FS-Researcher: Test-Time Scaling for Long-Horizon Research Tasks with File-System-Based Agents（FS-Researcher：基于文件系统的智能体在长周期研究任务中的测试时扩展）
[07:23] 🚀 SWE-Universe: Scale Real-World Verifiable Environments to Millions（SWE-Universe：将真实世界可验证的软件工程环境扩展至百万规模）
[08:13] 📚 Wiki Live Challenge: Challenging Deep Research Agents with Expert-Level Wikipedia Articles（维基实时挑战：用专家级维基百科文章挑战深度研究智能体）
[08:58] ⚖ SLIME: Stabilized Likelihood Implicit Margin Enforcement for Preference Optimization（SLIME：基于稳定似然的隐式边界强化偏好优化）
[09:45] 🎨 PixelGen: Pixel Diffusion Beats Latent Diffusion with Perceptual Loss（PixelGen：基于感知损失的像素扩散模型超越潜在扩散模型）
[10:38] ⚙ RLAnything: Forge Environment, Policy, and Reward Model in Completely Dynamic RL System（RLAnything：在完全动态强化学习系统中锻造环境、策略与奖励模型）
[11:30] 🧠 Mind-Brush: Integrating Agentic Cognitive Search and Reasoning into Image Generation（思维画笔：将智能认知搜索与推理融入图像生成）
[12:17] 🎬 PISCES: Annotation-free Text-to-Video Post-Training via Optimal Transport-Aligned Rewards（PISCES：基于最优传输对齐奖励的无标注文本到视频后训练方法）
【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
