HuggingFace 每日AI论文速递

10分钟速读热门AI论文

主播拨号上网出品佚名科技 · 科技 1.5 万订阅 738 集 1天前更新

在小宇宙收听

简介

每天10分钟，带您快速了解当日HuggingFace热门AI论文内容。每个工作日更新，欢迎订阅。 📢播客节目在小宇宙、Apple Podcast平台搜索【HuggingFace 每日AI论文速递】 🖼另外还有图文版，可在小红书搜索并关注【AI速递】

节目

全部 738 集 →

【周末特辑】11月第2周最火AI论文 | 图形智能体的设计空间；错峰去噪生成视频

HuggingFace 每日AI论文速递

⏱️ Highlights [00:31] 🎨 Advances in Agentic Computer Graphics（智能体计算机图形学进展） [02:23] 🌊 Wave Forcing: Towards Speed-of-Light Streaming Video Generation（Wave Forcing：迈向光速的流式视频生成） [04:18] 🤖 Are Frontier VLM Agents Ready to Be Robot Generalists? An Empirical Study with the Embodied Agent Arena（前沿VLM智能体准备好成为机器人通才了吗？基于Embodied Agent Arena的实证研究） [06:20] 🛠️ CoworkOS:Scaling Agent Coworkers for Real-world Automation（CoworkOS：扩展智能体同事以实现真实世界自动化） [08:28] 🎬 Turns Matter: Advancing Streaming Video RL via Turn-Level Credit（轮次很重要：通过轮级信用分配推进流式视频强化学习） [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

10 分钟 11 次播放 1天前

2026.11.06 | 视觉规划整块解码；借兄弟框架练智能体

HuggingFace 每日AI论文速递

⏱️ 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

8 分钟 23 次播放 2天前

【月末特辑】10月最火AI论文 | 把经验变成预见；让音画同步生成

HuggingFace 每日AI论文速递

⏱️ Highlights [00:28] 🔮 Self-Retrospection Distillation: Turning Post-hoc Experiences into Prior Foresight（自我回顾蒸馏：将事后经验转化为事前预见） [01:38] 🎬 Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation（Kandinsky 6.0 Video：用于同步视频与音频生成的基础模型） [02:49] 🌳 The Trinity:Capability-Driven Recursive Self-Improvement for Multimodal Agents（The Trinity：多模态智能体的能力驱动递归自我改进） [03:59] 🦾 PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations（PDRVLA：具有物理动力学表征的视觉—语言—动作模型） [05:09] 🧭 The Teacher Is a Direction, Not a Destination: Extrapolating RL-Induced Representation Residuals in On-Policy Distillation（教师是方向，而非终点：在同策略蒸馏中外推强化学习诱导的表征残差） [06:21] 🔍 False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents（虚假前沿：诊断与缓解自我进化搜索智能体中的共同作弊） [07:32] ⚖️ Jeva: System One Models from First Principles（Jeva：从第一性原理构建系统一模型） [08:43] 🧠 MemT-1.0: Towards Memory-Native Evolution（MemT-1.0：迈向记忆原生进化） [09:53] 🤖 Has GPT-6-Astra Achieved Embodied Intelligence?（GPT-6-Astra已经实现具身智能了吗？） [11:03] 🎨 UniEvo-VL: An On-policy Self-Distillation Training Recipe for Multimodal Model Self-improvement（UniEvo-VL：用于多模态模型自我改进的同策略自蒸馏训练配方） [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

12 分钟 25 次播放 2天前

2026.11.05 | 动作读取视觉层级；分钟级游戏世界数据

HuggingFace 每日AI论文速递

⏱️ Highlights [00:27] 🦾 From Pixels to Actions - Towards Native Vision-Language-Action Policies（从像素到动作——迈向原生视觉语言动作策略） [01:05] 🎮 GameVerse: A Minute-Scale Gameplay Dataset for Long-Horizon Interactive World Modeling（GameVerse：面向长时域交互世界建模的分钟级游戏数据集） [01:41] 💬 Turns Matter: Advancing Streaming Video RL via Turn-Level Credit（轮次很重要：通过轮级信用分配推进流式视频强化学习） [02:17] 🔬 FrontierPhysics: Evaluating Agents for End-to-End Physics Research（FrontierPhysics：评估端到端物理研究智能体） [02:57] 🧭 What Does Multi-Turn Reinforcement Learning Really Improve in LLM Agents?（多轮强化学习究竟改善了大语言模型智能体的什么能力？） [03:36] 🏭 PyRUA-DataFarm: LLM Agent as a Cost-Efficient Teleoperator for Real-Ready Robot Data（PyRUA-DataFarm：以大语言模型智能体作为低成本遥操作员，生成可用于实机的机器人数据） [04:15] 🎭 EmoReward: Self-Evolving Reward Calibration for Emotional Video Generation RL（EmoReward：用于情绪视频生成强化学习的自演化奖励校准） [04:52] 🎙️ StreamDuo: A Live Commentator and a Research Agent for Unseen Games（StreamDuo：面向未见游戏的实时解说员与研究智能体） [05:33] 🧩 Solv3R: 3D Looped Transformer as a Multi-view Solver（Solv3R：作为多视图求解器的三维循环Transformer） [06:13] 🤝 Human-to-Robot Transfer via Bridging Representation and Action Space in VLAs（通过桥接VLA的表征与动作空间实现人到机器人的迁移） [06:51] 🖼️ VA-TDM: A Unified View for Improving Few-Step Diffusion Models by Velocity Adversarial Distillation（VA-TDM：通过速度对抗蒸馏改进少步扩散模型的统一视角） [07:31] 💾 MUON-RT Reusing the Teacher's Trajectory for Momentum-Free Muon for LLM Self-Distillation（MUON-RT：复用教师轨迹，为大语言模型自蒸馏实现无动量Muon） [08:09] 🏠 AnchorComplete: Recovering Complete Scene Meshes from Partial Point Clouds（AnchorComplete：从局部点云恢复完整场景网格） [08:48] 🧠 VideoMemBench: How Well Do MLLMs Remember in Video Conversations?（VideoMemBench：多模态大语言模型在视频对话中记得有多好？） [09:24] 🌿 SpecOPD: Branch-Parallel On-Policy Distillation for Speculative Decoding（SpecOPD：用于推测解码的分支并行同策略蒸馏） [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

10 分钟 31 次播放 3天前

评价

还没有人评价。听过的话，留个分数和一句短评吧。

简介

节目

【周末特辑】11月第2周最火AI论文 | 图形智能体的设计空间；错峰去噪生成视频

2026.11.06 | 视觉规划整块解码；借兄弟框架练智能体

【月末特辑】10月最火AI论文 | 把经验变成预见；让音画同步生成

2026.11.05 | 动作读取视觉层级；分钟级游戏世界数据

评价

播放列表