时长：
13分钟
播放：
69
发布：
2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：
[00:29] 🧭 Everything in Its Place: Benchmarking Spatial Intelligence of Text-to-Image Models（万物归位：文本到图像模型空间智能基准测试）
[01:21] 🧠 Idea2Story: An Automated Pipeline for Transforming Research Concepts into Complete Scientific Narratives（Idea2Story：将研究概念转化为完整科学叙事的自动化流程）
[02:19] ⚡ Scaling Embeddings Outperforms Scaling Experts in Language Models（在语言模型中扩展嵌入层优于扩展专家混合）
[02:58] 🔍 OCRVerse: Towards Holistic OCR in End-to-End Vision-Language Models（OCRVerse：迈向端到端视觉语言模型中的整体OCR）
[03:39] 🤖 DynamicVLA: A Vision-Language-Action Model for Dynamic Object Manipulation（DynamicVLA：面向动态物体操作的视觉-语言-动作模型）
[04:33] 🧠 MMFineReason: Closing the Multimodal Reasoning Gap via Open Data-Centric Methods（MMFineReason：通过开放数据为中心的方法弥合多模态推理鸿沟）
[05:20] 🔺 PLANING: A Loosely Coupled Triangle-Gaussian Framework for Streaming 3D Reconstruction（PLANING：一种用于流式三维重建的松散耦合三角-高斯框架）
[06:08] 🧠 ConceptMoE: Adaptive Token-to-Concept Compression for Implicit Compute Allocation（ConceptMoE：面向隐式计算分配的自适应令牌到概念压缩）
[07:01] 🧩 AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts（AgentLongBench：通过环境推演实现可控的长上下文智能体基准测试）
[07:43] 🧠 Exploring Reasoning Reward Model for Agents（探索智能体推理奖励模型）
[08:39] 🎤 Qwen3-ASR Technical Report（Qwen3-ASR技术报告）
[09:27] 🚀 Language-based Trial and Error Falls Behind in the Era of Experience（经验时代下基于语言的试错方法已然落后）
[10:16] 🌐 Typhoon-S: Minimal Open Post-Training for Sovereign Large Language Models（台风-S：主权大语言模型的最小化开放后训练方法）
[11:02] ⚡ Scalable Power Sampling: Unlocking Efficient, Training-Free Reasoning for LLMs via Distribution Sharpening（可扩展的幂采样：通过分布锐化解锁LLM高效、免训练推理）
[11:59] 🧠 MAD: Modality-Adaptive Decoding for Mitigating Cross-Modal Hallucinations in Multimodal Large Language Models（MAD：模态自适应解码用于缓解多模态大语言模型中的跨模态幻觉）
【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：
[00:29] 🧭 Everything in Its Place: Benchmarking Spatial Intelligence of Text-to-Image Models（万物归位：文本到图像模型空间智能基准测试）
[01:21] 🧠 Idea2Story: An Automated Pipeline for Transforming Research Concepts into Complete Scientific Narratives（Idea2Story：将研究概念转化为完整科学叙事的自动化流程）
[02:19] ⚡ Scaling Embeddings Outperforms Scaling Experts in Language Models（在语言模型中扩展嵌入层优于扩展专家混合）
[02:58] 🔍 OCRVerse: Towards Holistic OCR in End-to-End Vision-Language Models（OCRVerse：迈向端到端视觉语言模型中的整体OCR）
[03:39] 🤖 DynamicVLA: A Vision-Language-Action Model for Dynamic Object Manipulation（DynamicVLA：面向动态物体操作的视觉-语言-动作模型）
[04:33] 🧠 MMFineReason: Closing the Multimodal Reasoning Gap via Open Data-Centric Methods（MMFineReason：通过开放数据为中心的方法弥合多模态推理鸿沟）
[05:20] 🔺 PLANING: A Loosely Coupled Triangle-Gaussian Framework for Streaming 3D Reconstruction（PLANING：一种用于流式三维重建的松散耦合三角-高斯框架）
[06:08] 🧠 ConceptMoE: Adaptive Token-to-Concept Compression for Implicit Compute Allocation（ConceptMoE：面向隐式计算分配的自适应令牌到概念压缩）
[07:01] 🧩 AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts（AgentLongBench：通过环境推演实现可控的长上下文智能体基准测试）
[07:43] 🧠 Exploring Reasoning Reward Model for Agents（探索智能体推理奖励模型）
[08:39] 🎤 Qwen3-ASR Technical Report（Qwen3-ASR技术报告）
[09:27] 🚀 Language-based Trial and Error Falls Behind in the Era of Experience（经验时代下基于语言的试错方法已然落后）
[10:16] 🌐 Typhoon-S: Minimal Open Post-Training for Sovereign Large Language Models（台风-S：主权大语言模型的最小化开放后训练方法）
[11:02] ⚡ Scalable Power Sampling: Unlocking Efficient, Training-Free Reasoning for LLMs via Distribution Sharpening（可扩展的幂采样：通过分布锐化解锁LLM高效、免训练推理）
[11:59] 🧠 MAD: Modality-Adaptive Decoding for Mitigating Cross-Modal Hallucinations in Multimodal Large Language Models（MAD：模态自适应解码用于缓解多模态大语言模型中的跨模态幻觉）
【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
