节目简介
来源：小宇宙
【目录】
本期的 15 篇论文如下：
[00:25] 🎬 StreamEval: Evaluating Interactive Streaming Video Generation Models（StreamEval：评估交互式流式视频生成模型）
[01:08] 🗺 SpatialScout: Can VLM Agents Actively Explore and Map 3D Scenes?（SpatialScout：VLM智能体能否主动探索并构建3D场景地图？）
[01:55] 🎞 Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation（展望未来：自回归视频生成中的未来演化建模）
[02:42] 🗄 Cache Engineering for Agents（面向智能体的缓存工程）
[03:24] 👐 DONIC: Generalist Dexterous Bimanual Tracking Control from Human Demonstrations（DONIC：基于人类演示的通用灵巧双手跟踪控制）
[04:11] 🌍 Agent World Model in the Wild: Computer-Use Agent Environment Synthesis（真实环境中的智能体世界模型：计算机使用智能体环境合成）
[04:52] 🔍 Spectral-Spatial Interpretation（光谱-空间解释）
[05:36] 🧩 PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis（PrismaCoder：通过分解式评分细则合成突破开放多模态代码智能的边界）
[06:22] 🎓 Socratic Skill Learning: Interleaving Teaching and Practice for Transferable Agent Skills（苏格拉底式技能学习：交错教学与实践以培养可迁移的智能体技能）
[07:07] 🎮 Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds（游戏中的规模化：面向多样虚拟世界具身智能体的持续预训练）
[07:43] 🤖 AgenticRoboRL: Bringing Coding-Agent Post-Training to Agentic Robotics（AgenticRoboRL：将编程智能体后训练引入智能体机器人）
[08:31] 🧠 Memory-Centric Continual Learning for AI Agents（以记忆为中心的AI智能体持续学习）
[09:17] 🤖 Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use（多模态具身智能体：从计算机使用到机器人使用的统一能力中心视角）
[10:00] 🧠 TraceForge: Distilling with Your Own Thinking（TraceForge：用自身思考进行蒸馏）
[10:40] 🛡 Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents（正确的屏幕，错误的转移：世界模型作为GUI智能体的验证器）
【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
本期的 15 篇论文如下：
[00:25] 🎬 StreamEval: Evaluating Interactive Streaming Video Generation Models（StreamEval：评估交互式流式视频生成模型）
[01:08] 🗺 SpatialScout: Can VLM Agents Actively Explore and Map 3D Scenes?（SpatialScout：VLM智能体能否主动探索并构建3D场景地图？）
[01:55] 🎞 Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation（展望未来：自回归视频生成中的未来演化建模）
[02:42] 🗄 Cache Engineering for Agents（面向智能体的缓存工程）
[03:24] 👐 DONIC: Generalist Dexterous Bimanual Tracking Control from Human Demonstrations（DONIC：基于人类演示的通用灵巧双手跟踪控制）
[04:11] 🌍 Agent World Model in the Wild: Computer-Use Agent Environment Synthesis（真实环境中的智能体世界模型：计算机使用智能体环境合成）
[04:52] 🔍 Spectral-Spatial Interpretation（光谱-空间解释）
[05:36] 🧩 PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis（PrismaCoder：通过分解式评分细则合成突破开放多模态代码智能的边界）
[06:22] 🎓 Socratic Skill Learning: Interleaving Teaching and Practice for Transferable Agent Skills（苏格拉底式技能学习：交错教学与实践以培养可迁移的智能体技能）
[07:07] 🎮 Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds（游戏中的规模化：面向多样虚拟世界具身智能体的持续预训练）
[07:43] 🤖 AgenticRoboRL: Bringing Coding-Agent Post-Training to Agentic Robotics（AgenticRoboRL：将编程智能体后训练引入智能体机器人）
[08:31] 🧠 Memory-Centric Continual Learning for AI Agents（以记忆为中心的AI智能体持续学习）
[09:17] 🤖 Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use（多模态具身智能体：从计算机使用到机器人使用的统一能力中心视角）
[10:00] 🧠 TraceForge: Distilling with Your Own Thinking（TraceForge：用自身思考进行蒸馏）
[10:40] 🛡 Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents（正确的屏幕，错误的转移：世界模型作为GUI智能体的验证器）
【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