本期的 10 篇论文如下： [00:20] 😈 The Devil behind the mask: An emergent safety vulnerability of Diffusion LLMs（隐藏在面具后的恶魔：扩散大语言模型的一种新兴安全漏洞） [01:12] 🎤 A Data-Centric Framework for Addressing Phonetic and Prosodic Challenges in Russian Speech Generative Models（解决俄语语音生成模型中语音与韵律挑战的数据中心框架） [02:07] 🧩 Franca: Nested Matryoshka Clustering for Scalable Visual Representation Learning（Franca：用于可扩展视觉表示学习的嵌套套娃聚类） [02:49] 🚀 Mono-InternVL-1.5: Towards Cheaper and Faster Monolithic Multimodal Large Language Models（Mono-InternVL-1.5：迈向更经济、更快速的单体多模态大语言模型） [03:24] 🎨 CSD-VAR: Content-Style Decomposition in Visual Autoregressive Models（CSD-VAR：视觉自回归模型中的内容-风格分解） [04:27] 🚀 RedOne: Revealing Domain-specific LLM Post-Training in Social Networking Services（RedOne：揭示社交网络服务中领域专用LLM的后训练） [05:08] 🤝 Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities（逆向强化学习与大语言模型后训练的结合：基础、进展与机遇） [05:41] 🚫 Mitigating Object Hallucinations via Sentence-Level Early Intervention（通过句子级早期干预缓解物体幻觉） [06:20] ⚡ The Generative Energy Arena (GEA): Incorporating Energy Awareness in Large Language Model (LLM) Human Evaluations（生成式能源竞技场 (GEA)：在大型语言模型 (LLM) 人工评估中融入能源意识） [07:41] 📈 Quantitative Risk Management in Volatile Markets with an Expectile-Based Framework for the FTSE Index（波动市场中基于期望分位数框架的定量风险管理：以富时指数为例） 【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 5 篇论文如下： [00:39] TOP1(🔥116) | 🧮 A Survey of Context Engineering for Large Language Models（大型语言模型上下文工程综述） [02:35] TOP2(🔥86) | 🧠 Test-Time Scaling with Reflective Generative Model（基于反射生成模型的测试时缩放） [04:31] TOP3(🔥74) | 🤔 Reasoning or Memorization? Unreliable Results of Reinforcement Learning Due to Data Contamination（推理还是记忆？数据污染导致强化学习结果不可靠） [07:35] TOP4(🔥67) | 🧠 Open Vision Reasoner: Transferring Linguistic Cognitive Behavior for Visual Reasoning（开放视觉推理器：迁移语言认知行为以实现视觉推理） [11:16] TOP5(🔥64) | 💻 NeuralOS: Towards Simulating Operating Systems via Neural Generative Models（NeuralOS：迈向通过神经生成模型模拟操作系统的方向） 【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： [00:27] 🧮 A Survey of Context Engineering for Large Language Models（大型语言模型上下文工程综述） [01:16] 🧠 VisionThink: Smart and Efficient Vision Language Model via Reinforcement Learning（VisionThink：基于强化学习的智能高效视觉语言模型） [02:08] 📸 $π^3$: Scalable Permutation-Equivariant Visual Geometry Learning（$\pi^3$：可扩展的置换等变视觉几何学习） [02:52] 🤖 The Imitation Game: Turing Machine Imitator is Length Generalizable Reasoner（模仿游戏：图灵机模仿器是长度泛化的推理器） [03:47] 🖼 AnyCap Project: A Unified Framework, Dataset, and Benchmark for Controllable Omni-modal Captioning（AnyCap项目：一个用于可控全模态图像描述的统一框架、数据集和基准） [04:47] 🧑 Diffuman4D: 4D Consistent Human View Synthesis from Sparse-View Videos with Spatio-Temporal Diffusion Models（Diffuman4D：基于时空扩散模型的稀疏视角视频的4D一致性人体视角合成） [05:34] 🎭 FantasyPortrait: Enhancing Multi-Character Portrait Animation with Expression-Augmented Diffusion Transformers（梦幻肖像：利用表情增强的扩散Transformer提升多角色肖像动画效果） [06:23] 🧠 MindJourney: Test-Time Scaling with World Models for Spatial Reasoning（心灵之旅：基于世界模型的测试时空域推理扩展） [07:17] 🔬 AbGen: Evaluating Large Language Models in Ablation Study Design and Evaluation for Scientific Research（AbGen：评估大型语言模型在科学研究的消融实验设计与评估中的能力） [08:08] 🗣 Voxtral（Voxtral：多模态音频聊天模型） [08:55] 💡 Teach Old SAEs New Domain Tricks with Boosting（利用Boosting技术使旧的稀疏自编码器掌握新的领域技巧） [09:46] 💡 FLEXITOKENS: Flexible Tokenization for Evolving Language Models（FLEXITOKENS：用于演化语言模型的灵活分词） [10:49] 🎬 TLB-VFI: Temporal-Aware Latent Brownian Bridge Diffusion for Video Frame Interpolation（TLB-VFI：用于视频帧插值的时序感知潜在布朗桥扩散模型） [11:45] 🛡 Automating Steering for Safe Multimodal Large Language Models（多模态大语言模型安全自动导向） [12:25] ⚙ RiemannLoRA: A Unified Riemannian Framework for Ambiguity-Free LoRA Optimization（RiemannLoRA：一种用于无歧义LoRA优化的统一黎曼框架） 【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 13 篇论文如下： [00:26] 🧠 Towards Agentic RAG with Deep Reasoning: A Survey of RAG-Reasoning Systems in LLMs（具身智能RAG与深度推理：LLM中RAG推理系统综述） [01:17] 🧱 PhysX: Physical-Grounded 3D Asset Generation（PhysX：基于物理的3D资产生成） [02:04] 🚗 MMHU: A Massive-Scale Multimodal Benchmark for Human Behavior Understanding（MMHU：一个用于人类行为理解的大规模多模态基准） [03:05] 🚀 SWE-Perf: Can Language Models Optimize Code Performance on Real-World Repositories?（SWE-Perf：语言模型能否优化真实世界代码仓库的性能？） [04:00] 💃 MOSPA: Human Motion Generation Driven by Spatial Audio（MOSPA：空间音频驱动的人体动作生成） [04:57] 🏗 DrafterBench: Benchmarking Large Language Models for Tasks Automation in Civil Engineering（DrafterBench：用于土木工程中任务自动化的LLM基准测试） [05:58] 🤖 Seq vs Seq: An Open Suite of Paired Encoders and Decoders（序列模型对比：一个开放的配对编码器与解码器套件） [06:38] 🎬 AnyI2V: Animating Any Conditional Image with Motion Control（AnyI2V：通过运动控制动画化任何条件图像） [07:34] 🎯 SpatialTrackerV2: 3D Point Tracking Made Easy（SpatialTrackerV2：化繁为简的3D点追踪） [08:27] 🦎 Lizard: An Efficient Linearization Framework for Large Language Models（Lizard：一种用于大型语言模型的高效线性化框架） [09:14] 🧰 Replacing thinking with tool usage enables reasoning in small language models（以工具使用代替思考：小语言模型中的推理能力提升） [10:05] 🧙 AI Wizards at CheckThat! 2025: Enhancing Transformer-Based Embeddings with Sentiment for Subjectivity Detection in News Articles（CheckThat! 2025 挑战赛中的 AI 巫师：利用情感增强的 Transformer 嵌入改进新闻文章中的主观性检测） [10:51] 🧠 RLEP: Reinforcement Learning with Experience Replay for LLM Reasoning（RLEP：基于经验回放的强化学习用于LLM推理） 【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