HuggingFace 每日AI论文速递

【目录】 本期的 5 篇论文如下： [00:35] TOP1(🔥241) | 🔄 Recursive Multi-Agent Systems（递归多智能体系统） [02:34] TOP2(🔥219) | 🌍 Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond（智能体世界建模：基础、能力、法则及其超越） [04:45] TOP3(🔥188) | 🧠 Heterogeneous Scientific Foundation Model Collaboration（异构科学基础模型协作） [06:31] TOP4(🔥116) | 🏢 From Skills to Talent: Organising Heterogeneous Agents as a Real-World Company（从技能到人才：将异构智能体组织为现实世界公司） [08:19] TOP5(🔥115) | 🌍 World-R1: Reinforcing 3D Constraints for Text-to-Video Generation（世界-R1：通过强化学习为文本到视频生成注入3D约束） 【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

【目录】 本期的 15 篇论文如下： [00:25] 🧠 Heterogeneous Scientific Foundation Model Collaboration（异构科学基础模型协作） [01:24] 🌍 Visual Generation in the New Era: An Evolution from Atomic Mapping to Agentic World Modeling（新时代的视觉生成：从原子映射到智能体世界建模的演进） [02:04] 🧬 Co-Evolving Policy Distillation（共同演化策略蒸馏） [02:47] 🤖 ExoActor: Exocentric Video Generation as Generalizable Interactive Humanoid Control（ExoActor：外视点视频生成作为可泛化的交互式人形机器人控制） [03:38] 🚀 Efficient Training on Multiple Consumer GPUs with RoundPipe（在多块消费级GPU上使用RoundPipe进行高效训练） [04:17] 🧠 Claw-Eval-Live: A Live Agent Benchmark for Evolving Real-World Workflows（Claw-Eval-Live：一个面向不断演变的真实世界工作流的实时智能体基准测试） [05:08] 🎨 Leveraging Verifier-Based Reinforcement Learning in Image Editing（利用基于验证器的强化学习进行图像编辑） [06:18] 📏 Length Value Model: Scalable Value Pretraining for Token-Level Length Modeling（长度价值模型：面向令牌级长度建模的可扩展价值预训练） [07:15] 🔬 Intern-Atlas: A Methodological Evolution Graph as Research Infrastructure for AI Scientists（Intern-Atlas：作为AI科学家研究基础设施的方法演化图） [08:31] 🌐 InteractWeb-Bench: Can Multimodal Agent Escape Blind Execution in Interactive Website Generation?（InteractWeb-Bench：多模态智能体能否在交互式网站生成中摆脱盲目执行？） [09:15] 🎨 Representation Fréchet Loss for Visual Generation（用于视觉生成的表示空间弗雷歇损失） [10:05] 🖥 Synthetic Computers at Scale for Long-Horizon Productivity Simulation（面向长周期生产力模拟的大规模合成计算机） [10:52] 🧠 Compliance versus Sensibility: On the Reasoning Controllability in Large Language Models（合规性与敏感性：大型语言模型中的推理可控性研究） [11:25] 🤖 The Last Human-Written Paper: Agent-Native Research Artifacts（最后一篇人类撰写的论文：智能体原生研究工件） [12:14] 💃 MoCapAnything V2: End-to-End Motion Capture for Arbitrary Skeletons（MoCapAnything V2：面向任意骨骼的端到端动作捕捉） 【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

【目录】 本期的 11 篇论文如下： [00:22] 🤖 GLM-5V-Turbo: Toward a Native Foundation Model for Multimodal Agents（GLM-5V-Turbo：迈向多模态智能体的原生基础模型） [01:26] 🔬 Large Language Models Explore by Latent Distilling（大型语言模型通过潜在蒸馏进行探索） [02:16] 🌊 Turning the TIDE: Cross-Architecture Distillation for Diffusion Large Language Models（扭转潮流：面向扩散大语言模型的跨架构蒸馏） [03:02] 🦾 ClawGym: A Scalable Framework for Building Effective Claw Agents（ClawGym：一个构建高效Claw智能体的可扩展框架） [03:49] 🤖 RADIO-ViPE: Online Tightly Coupled Multi-Modal Fusion for Open-Vocabulary Semantic SLAM in Dynamic Environments（RADIO-ViPE：面向动态环境中开放词汇语义SLAM的在线紧耦合多模态融合） [04:35] 🧩 Diffusion Templates: A Unified Plugin Framework for Controllable Diffusion（扩散模板：一种用于可控扩散的统一插件框架） [05:20] 🚀 Accelerating RL Post-Training Rollouts via System-Integrated Speculative Decoding（通过系统集成的推测解码加速强化学习后训练中的自回归生成） [06:08] 🌍 Unified 4D World Action Modeling from Video Priors with Asynchronous Denoising（基于异步去噪的视频先验的统一4D世界动作建模） [07:02] 💬 A Survey on LLM-based Conversational User Simulation（基于大语言模型的对话式用户模拟综述） [07:55] 👗 FASH-iCNN: Making Editorial Fashion Identity Inspectable Through Multimodal CNN Probing（FASH-iCNN：通过多模态CNN探针使时尚编辑身份可审查） [08:43] 🧩 Probing Visual Planning in Image Editing Models（探究图像编辑模型中的视觉规划能力） 【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

【目录】 本期的 15 篇论文如下： [00:25] 🔄 Recursive Multi-Agent Systems（递归多智能体系统） [01:01] 🔧 Programming with Data: Test-Driven Data Engineering for Self-Improving LLMs from Raw Corpora（数据编程：面向自改进大语言模型从原始语料库进行测试驱动数据工程） [01:55] 📊 DV-World: Benchmarking Data Visualization Agents in Real-World Scenarios（DV-World：在真实世界场景中评估数据可视化智能体的基准） [02:36] 🔬 AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery（AutoResearchBench：基于复杂科学文献发现的AI智能体基准测试） [03:23] 🖼 Meta-CoT: Enhancing Granularity and Generalization in Image Editing（元链式思维：增强图像编辑的粒度与泛化能力） [04:07] 🎨 Refinement via Regeneration: Enlarging Modification Space Boosts Image Refinement in Unified Multimodal Models（通过重生成进行精炼：扩大修改空间提升统一多模态模型中的图像精炼效果） [05:03] 🎥 Mutual Forcing: Dual-Mode Self-Evolution for Fast Autoregressive Audio-Video Character Generation（相互强迫：用于快速自回归音视频角色生成的双模式自演化） [05:46] 🎧 Step-Audio-R1.5 Technical Report（Step-Audio-R1.5 技术报告） [06:26] 🎬 Co-Director: Agentic Generative Video Storytelling（联合导演：基于智能体的生成式视频故事讲述） [07:13] 🖥 Toward Scalable Terminal Task Synthesis via Skill Graphs（面向可扩展终端任务合成的技能图方法） [07:57] 🎓 TCOD: Exploring Temporal Curriculum in On-Policy Distillation for Multi-turn Autonomous Agents（TCOD：面向多轮自主智能体的在策略蒸馏中的时序课程探索） [08:53] 🛡 BARRED: Synthetic Training of Custom Policy Guardrails via Asymmetric Debate（BARRED：通过非对称辩论进行自定义策略护栏的合成训练） [09:36] 🎓 MAIC-UI: Making Interactive Courseware with Generative UI（MAIC-UI：利用生成式用户界面制作交互式课件） [10:35] 🎨 V-GRPO: Online Reinforcement Learning for Denoising Generative Models Is Easier than You Think（V-GRPO：去噪生成模型的在线强化学习比你想象的要简单） [11:15] 🏃 IAM: Identity-Aware Human Motion and Shape Joint Generation（身份感知的人体运动与形状联合生成） 【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