时长：
12分钟
播放：
110
发布：
1周前
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] 🧠 ERNIE 5.0 Technical Report（ERNIE 5.0 技术报告）
[01:11] ⚡ FASA: Frequency-aware Sparse Attention（FASA：基于频率感知的稀疏注意力机制）
[02:01] 📊 Training Data Efficiency in Multimodal Process Reward Models（多模态过程奖励模型中的训练数据效率研究）
[02:44] 🤖 WideSeek-R1: Exploring Width Scaling for Broad Information Seeking via Multi-Agent Reinforcement Learning（WideSeek-R1：通过多智能体强化学习探索宽度扩展以实现广泛信息检索）
[03:28] ⚡ OmniSIFT: Modality-Asymmetric Token Compression for Efficient Omni-modal Large Language Models（OmniSIFT：面向高效全模态大语言模型的模态非对称令牌压缩）
[04:21] ⚡ HySparse: A Hybrid Sparse Attention Architecture with Oracle Token Selection and KV Cache Sharing（HySparse：一种具有预言机令牌选择和KV缓存共享的混合稀疏注意力架构）
[05:02] 🤖 EgoActor: Grounding Task Planning into Spatial-aware Egocentric Actions for Humanoid Robots via Visual-Language Models（EgoActor：通过视觉语言模型将任务规划落地为空间感知的具身动作）
[06:05] 🎬 Quant VideoGen: Auto-Regressive Long Video Generation via 2-Bit KV-Cache Quantization（Quant VideoGen：通过2位KV缓存量化实现自回归长视频生成）
[06:59] 🤖 SoMA: A Real-to-Sim Neural Simulator for Robotic Soft-body Manipulation（SoMA：面向机器人软体操作的真实到仿真神经模拟器）
[07:44] 🔍 TIDE: Trajectory-based Diagnostic Evaluation of Test-Time Improvement in LLM Agents（TIDE：基于轨迹的LLM智能体测试时改进诊断评估）
[08:21] 🧠 Semantic Routing: Exploring Multi-Layer LLM Feature Weighting for Diffusion Transformers（语义路由：探索扩散变换器中多层LLM特征加权的融合框架）
[09:12] 🤖 Rethinking the Trust Region in LLM Reinforcement Learning（重新思考大语言模型强化学习中的信任区域）
[09:54] ♻ Residual Context Diffusion Language Models（残差上下文扩散语言模型）
[10:40] 🧱 HY3D-Bench: Generation of 3D Assets（HY3D-Bench：3D资产的生成）
[11:34] 🎨 AutoFigure: Generating and Refining Publication-Ready Scientific Illustrations（AutoFigure：生成与优化可直接用于发表的科学插图）
【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
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] 🧠 ERNIE 5.0 Technical Report（ERNIE 5.0 技术报告）
[01:11] ⚡ FASA: Frequency-aware Sparse Attention（FASA：基于频率感知的稀疏注意力机制）
[02:01] 📊 Training Data Efficiency in Multimodal Process Reward Models（多模态过程奖励模型中的训练数据效率研究）
[02:44] 🤖 WideSeek-R1: Exploring Width Scaling for Broad Information Seeking via Multi-Agent Reinforcement Learning（WideSeek-R1：通过多智能体强化学习探索宽度扩展以实现广泛信息检索）
[03:28] ⚡ OmniSIFT: Modality-Asymmetric Token Compression for Efficient Omni-modal Large Language Models（OmniSIFT：面向高效全模态大语言模型的模态非对称令牌压缩）
[04:21] ⚡ HySparse: A Hybrid Sparse Attention Architecture with Oracle Token Selection and KV Cache Sharing（HySparse：一种具有预言机令牌选择和KV缓存共享的混合稀疏注意力架构）
[05:02] 🤖 EgoActor: Grounding Task Planning into Spatial-aware Egocentric Actions for Humanoid Robots via Visual-Language Models（EgoActor：通过视觉语言模型将任务规划落地为空间感知的具身动作）
[06:05] 🎬 Quant VideoGen: Auto-Regressive Long Video Generation via 2-Bit KV-Cache Quantization（Quant VideoGen：通过2位KV缓存量化实现自回归长视频生成）
[06:59] 🤖 SoMA: A Real-to-Sim Neural Simulator for Robotic Soft-body Manipulation（SoMA：面向机器人软体操作的真实到仿真神经模拟器）
[07:44] 🔍 TIDE: Trajectory-based Diagnostic Evaluation of Test-Time Improvement in LLM Agents（TIDE：基于轨迹的LLM智能体测试时改进诊断评估）
[08:21] 🧠 Semantic Routing: Exploring Multi-Layer LLM Feature Weighting for Diffusion Transformers（语义路由：探索扩散变换器中多层LLM特征加权的融合框架）
[09:12] 🤖 Rethinking the Trust Region in LLM Reinforcement Learning（重新思考大语言模型强化学习中的信任区域）
[09:54] ♻ Residual Context Diffusion Language Models（残差上下文扩散语言模型）
[10:40] 🧱 HY3D-Bench: Generation of 3D Assets（HY3D-Bench：3D资产的生成）
[11:34] 🎨 AutoFigure: Generating and Refining Publication-Ready Scientific Illustrations（AutoFigure：生成与优化可直接用于发表的科学插图）
【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
评价...
空空如也
小宇宙热门评论...
暂无小宇宙热门评论
