节目简介
来源：小宇宙
⏱️ Highlights
[00:22] 🧭 VFlash: Fast, Accurate Visual Planning via Flash Primitive Decoding（VFlash：通过闪速图元解码实现快速、准确的视觉规划）
[00:54] 🛠️ Harness-S: Learning from Sibling Harnesses for Generalizable Agent Training（Harness-S：向兄弟执行框架学习，实现可泛化的智能体训练）
[01:24] 🎲 Random Is Almost Enough? Stable and Low-Cost Benchmark Compression via BestRand（随机抽样几乎就够了吗？通过 BestRand 实现稳定、低成本的基准压缩）
[01:53] 🎨 TailSteer: Trajectory-Tail Steering for Drift-Resistant Multi-turn Image Editing（TailSteer：通过轨迹尾段引导实现抗漂移的多轮图像编辑）
[02:24] 🖼️ WeLM-Image: A Unified Image Generation Model towards Visual Intelligence（WeLM-Image：迈向视觉智能的统一图像生成模型）
[02:59] 🤖 SLA: Scaling Spatial-Language-Action Model via Continual Pre-training（SLA：通过持续预训练扩展空间—语言—动作模型）
[03:34] 🧠 EvoMemState: Evolving Memory State for Personal Agents（EvoMemState：为个人智能体演化记忆状态）
[04:08] 🔎 VisSearch-Bench: Evaluating Long Horizon Visual Search in Multimodal Agents（VisSearch-Bench：评估多模态智能体的长程视觉搜索）
[04:38] ⚖️ Towards Foundation Decision Models: Drex（迈向基础决策模型：Drex）
[05:08] 🌉 On the Opportunities and Challenges of Prefill-to-Autoregressive Cross-Model Transfer（论预填充到自回归的跨模型迁移：机遇与挑战）
[05:37] 👤 EDGAR: Efficient Diffusion-Driven Gaussian Avatar Refinement via Synthetic Failure（EDGAR：通过合成失败实现高效的扩散驱动高斯头像细化）
[06:05] 📝 HeLM: Hierarchical Explicit Language Memory for Non-Markovian Manipulation（HeLM：用于非马尔可夫操作的分层显式语言记忆）
[06:37] 🎬 Future Representation Distillation for Imagination-free World Action Models（用于免想象世界动作模型的未来表征蒸馏）
[07:11] 🤝 From Autonomous Agents to Cognitive Symbionts: Toward AI-Augmented Human Intelligence（从自主智能体到认知共生体：迈向 AI 增强的人类智能）
[07:42] 🎧 Decode Before You Hear: Speculative Listening for Chunk-Interleaved Full-Duplex Speech Language Models（听到之前先解码：面向分块交错全双工语音语言模型的推测式聆听）
[播客论文目录配图]
【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
[00:22] 🧭 VFlash: Fast, Accurate Visual Planning via Flash Primitive Decoding（VFlash：通过闪速图元解码实现快速、准确的视觉规划）
[00:54] 🛠️ Harness-S: Learning from Sibling Harnesses for Generalizable Agent Training（Harness-S：向兄弟执行框架学习，实现可泛化的智能体训练）
[01:24] 🎲 Random Is Almost Enough? Stable and Low-Cost Benchmark Compression via BestRand（随机抽样几乎就够了吗？通过 BestRand 实现稳定、低成本的基准压缩）
[01:53] 🎨 TailSteer: Trajectory-Tail Steering for Drift-Resistant Multi-turn Image Editing（TailSteer：通过轨迹尾段引导实现抗漂移的多轮图像编辑）
[02:24] 🖼️ WeLM-Image: A Unified Image Generation Model towards Visual Intelligence（WeLM-Image：迈向视觉智能的统一图像生成模型）
[02:59] 🤖 SLA: Scaling Spatial-Language-Action Model via Continual Pre-training（SLA：通过持续预训练扩展空间—语言—动作模型）
[03:34] 🧠 EvoMemState: Evolving Memory State for Personal Agents（EvoMemState：为个人智能体演化记忆状态）
[04:08] 🔎 VisSearch-Bench: Evaluating Long Horizon Visual Search in Multimodal Agents（VisSearch-Bench：评估多模态智能体的长程视觉搜索）
[04:38] ⚖️ Towards Foundation Decision Models: Drex（迈向基础决策模型：Drex）
[05:08] 🌉 On the Opportunities and Challenges of Prefill-to-Autoregressive Cross-Model Transfer（论预填充到自回归的跨模型迁移：机遇与挑战）
[05:37] 👤 EDGAR: Efficient Diffusion-Driven Gaussian Avatar Refinement via Synthetic Failure（EDGAR：通过合成失败实现高效的扩散驱动高斯头像细化）
[06:05] 📝 HeLM: Hierarchical Explicit Language Memory for Non-Markovian Manipulation（HeLM：用于非马尔可夫操作的分层显式语言记忆）
[06:37] 🎬 Future Representation Distillation for Imagination-free World Action Models（用于免想象世界动作模型的未来表征蒸馏）
[07:11] 🤝 From Autonomous Agents to Cognitive Symbionts: Toward AI-Augmented Human Intelligence（从自主智能体到认知共生体：迈向 AI 增强的人类智能）
[07:42] 🎧 Decode Before You Hear: Speculative Listening for Chunk-Interleaved Full-Duplex Speech Language Models（听到之前先解码：面向分块交错全双工语音语言模型的推测式聆听）
[播客论文目录配图]
【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