HuggingFace 每日AI论文速递

【赞助商】 OpenClaw快报 每天五分钟，听听 OpenClaw 快报，带你了解最新动态和业内讨论 传送门 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:31] 🧪 ScienceIDE: Turning World's Scientific Codebase into Agent Learnable Environments（ScienceIDE：将全球科学代码库转化为智能体可学习环境） [01:23] 🧠 LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence（LimiX-2：面向通用结构化数据智能的上下文机制网络） [02:10] 📉 Rethinking Critic Learning in PPO: Understanding and Mitigating Value Flattening（重新思考PPO中的评论家学习：理解与缓解价值平坦化） [02:56] 🧠 Confidence Comes from Experience: Experiential Confidence Estimation from Reasoning to Agents（置信度源于经验：从推理到智能体的经验性置信度估计） [03:36] 🤖 ProgramDistill: From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks（ProgramDistill：从交互式 Web 应用到可验证的参考引导软件工程任务） [04:21] 🤖 ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action Models（ActionPiece：重新思考自回归视觉-语言-动作模型的动作标记化） [05:01] 🧠 Agora: Git as Shared Memory for Collective AutoResearch（Agora：将 Git 作为集体自动研究的共享记忆） [05:43] ⚡ VC-Attention: Value Smoothing and Softmax Casting for Low-bit Attention（VC-Attention：面向低比特注意力的值平滑与 Softmax 转换） [06:22] 📈 EvolveTrade: Experience-Driven Policy Refinement for Self-Evolving LLM Trading Agents（EvolveTrade：面向自演化LLM交易智能体的经验驱动策略精炼） [07:02] 🎮 Zing-0.5: Toward Playable Worlds with Real-Time Joint Action and Text Control（Zing-0.5：迈向具备实时联合动作与文本控制的可玩世界） [07:51] 👀 Gaze as Evidence for Common Grounding: A Cross-Corpus Analysis of MapTask and MUNDEX（注视作为共同基础证据：MapTask与MUNDEX的跨语料库分析） [08:35] 🎯 A Zeroth-Order Paradigm for LLM Preference Alignment（面向LLM偏好对齐的零阶范式） [09:17] 🧬 HypoEvolve: Genetic Algorithms Enable Multi-Agent LLMs to Discover Scientific Hypotheses（HypoEvolve：遗传算法使多智能体大语言模型能够发现科学假设） [10:02] ✋ EventEgoHands++: Event-based Egocentric 3D Hand Mesh Reconstruction with Real Dataset（EventEgoHands++：基于事件的第一人称3D手部网格重建与真实数据集） [10:55] 🔭 SpectralShift: Effective Context Window Extension of Gated DeltaNet via Spectral Reparameterization（SpectralShift：通过谱重参数化有效扩展 Gated DeltaNet 的上下文窗口） 【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

【赞助商】 OpenClaw快报 每天五分钟，听听 OpenClaw 快报，带你了解最新动态和业内讨论 传送门 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:29] 🧠 Continual Learning Mechanisms Compose for Long-Horizon Memorization（持续学习机制组合用于长时程记忆） [01:17] 🎮 AI for Games in the Foundation Model Era（基础模型时代的游戏人工智能） [02:05] 🎙 StepAudio 3 Realtime Technical Report（StepAudio 3 Realtime 技术报告） [02:45] 🎵 StepAudio 3 Music Technical Report（StepAudio 3 Music 技术报告） [03:22] 🤖 ScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agents（ScienceBuddy：面向交互式科学智能体的递归嵌套式自我改进） [04:09] 🧭 HarnessVLN: Unifying Training-Free Embodied Navigation through an Agent Harness（HarnessVLN：通过智能体框架统一免训练具身导航） [04:52] 🤖 The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement（人类建造的最后一个AI：迈向真正的递归自我改进） [05:40] 🏗 Another Blueprint In The Wall: How to Ask Frontier AI Like a Kid?（墙里的另一张蓝图：如何像孩子一样向前沿AI提问？） [06:26] 🧠 Mind2Dialogue: Training Human-Aware Language Models by Simulating User Mental States（Mind2Dialogue：通过模拟用户心理状态训练人类感知语言模型） [07:10] 🧩 ModularRSI: Modular and Generalizable Recursive Harness Self-Improvement（ModularRSI：模块化且可泛化的递归式执行框架自我改进） [07:54] 🤖 Modality-Autoregressive World-Action Models（模态自回归世界动作模型） [08:38] 📐 Disentangling Representation Evolution in Transformers through Directional Decomposition（通过方向分解解耦 Transformer 中的表征演化） [09:25] 🎥 PhysStream: Streaming Physics-Grounded Video Generation with Structured Scene Memory and Fine-Grained Motion Control（PhysStream：具备结构化场景记忆与细粒度运动控制的流式物理基础视频生成） [10:06] 🧪 ImpossibleRubrics: Stress-Testing Generated Rubrics as Reward Signals（ImpossibleRubrics：对作为奖励信号生成的评分标准进行压力测试） [10:55] 🧠 Convergent Emergence of In-Context Learning Across Modalities（跨模态上下文学习的趋同涌现） 【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

【赞助商】 OpenClaw快报 每天五分钟，听听 OpenClaw 快报，带你了解最新动态和业内讨论 传送门 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:30] 🤖 Atria Dawn: The Dawn of Agentic Superintelligence（Atria Dawn：智能体超级智能的黎明） [01:13] 🎬 Vidu S2: Real-Time Interactive, Editable, and Spatial Video Generation（Vidu S2：实时交互、可编辑与空间视频生成） [01:58] 🤖 ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search（ZGCM-1：一个完全开放且极其高效、面向数学与智能体搜索的基础模型） [02:47] 🧠 Dream-RSI: Recursive Self-Improvement through Evolving Worlds（Dream-RSI：通过演化世界实现递归自我改进） [03:24] 🤖 PhysBrain 1.5: From Vision-Language Models to Physical Foundation Models（PhysBrain 1.5：从视觉语言模型到物理基础模型） [04:06] 🗜 Grouped Value Attention: Efficient KV Caching via On-Demand Key Reconstruction（分组值注意力：通过按需键重建实现高效KV缓存） [04:51] 🎬 LynnReal-Omni: Native multi-modal Video Generation for Agentic Visual Workflows（LynnReal-Omni：面向智能体视觉工作流的原生多模态视频生成） [05:45] 🤖 RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments（RSIAgent：新环境中面向递归自我改进的自主探索） [06:30] 🔬 Discovery Foundation Models: Toward Open-Ended Discovery Intelligence（发现基础模型：迈向开放式发现智能） [07:13] 🎬 BVB: Benchmarking Agentic Video Understanding via Programmatic Reconstruction in Blender（BVB：在 Blender 中通过程序化重建对智能体视频理解进行基准测试） [07:56] ⚖ How Lossless Is Lossless Speculative Decoding? The Role of Numerical Precision in Orthrus（无损投机解码究竟有多无损？数值精度在 Orthrus 中的作用） [08:39] 🌐 AlayaVista: Streaming World Modeling from Panoramic States to Perspective Video（AlayaVista：从全景状态到透视视频的流式世界建模） [09:26] 🧩 Kaininja: Extending Native 3D Generators to the Part Level（Kaininja：将原生3D生成器扩展至部件级） [10:13] 🧠 Omni-Streaming Thinking（全模态流式思维） [11:00] 🖥 LLaDA-UI: Bringing Block-wise Diffusion to Vision-Language GUI Agents（LLaDA-UI：将块级扩散引入视觉语言 GUI 智能体） 【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

【赞助商】 OpenClaw快报 每天五分钟，听听 OpenClaw 快报，带你了解最新动态和业内讨论 传送门 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 5 篇论文如下： [00:45] TOP1(🔥439) | 🤖 Scaling Automatic Research Agents via World Models（通过世界模型扩展自动研究智能体） [02:38] TOP2(🔥397) | 🔄 NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness（NeoHorse-1：通过带路由调度框架的智能体后训练实现递归自我改进） [04:37] TOP3(🔥210) | 🎙 AuK Technical Report: An Open-Source Foundational Model for Speech Generation and Editing（AuK技术报告：用于语音生成与编辑的开源基础模型） [06:41] TOP4(🔥189) | 🧠 NCP-ArchPreview Technical Report: Moving towards Latent Space Language Models through Next Concept Prediction（NCP-ArchPreview 技术报告：通过下一概念预测迈向潜在空间语言模型） [09:13] TOP5(🔥174) | 🔬 Dr. Claw: An AI Scientist Workspace for Vibe Research（Dr. Claw：面向 Vibe Research 的 AI 科学家工作空间） 【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