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 14 篇论文如下： [00:32] 🤖 UI-MOPD: Multi-Platform On-Policy Distillation for Continual GUI Agent Learning（UI-MOPD：面向持续GUI智能体学习的多平台在线策略蒸馏） [01:30] 💡 ResearchStudio-Idea: An Evidence-Grounded Research-Ideation Skill Suite from ML Conference Outcomes（ResearchStudio-Idea：基于证据的科研构思技能套件——来自机器学习会议成果） [02:21] 🎨 PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space（PixWorld：在像素空间中统一3D场景生成与重建） [03:11] 🧩 OmniOpt: Taxonomy, Geometry, and Benchmarking of Modern Optimizers（OmniOpt：现代优化器的分类、几何结构与基准测试） [04:04] 🤖 GigaWorld-1: A Roadmap to Build World Models for Robot Policy Evaluation（GigaWorld-1：构建用于机器人策略评估的世界模型路线图） [04:55] 🧩 Vision Pretraining for Dense Spatial Perception（面向密集空间感知的视觉预训练） [05:54] 🤖 EVA-Client: A Unified Data Collection, Inference, and Deployment Framework for Embodied Policies on Real Robots（EVA-Client：面向实体机器人上的具身策略的统一数据收集、推理与部署框架） [06:47] 🎥 Wan-Streamer v0.2: Higher Resolution, Same Latency（Wan-Streamer v0.2：更高分辨率，相同延迟） [07:48] 🤖 InternVLA-A1.5: Unifying Understanding, Latent Foresight, and Action for Compositional Generalization（InternVLA-A1.5：统一理解、潜在预知与动作以实现组合泛化） [08:46] 🔍 Do All Visual Tokens Matter Equally? Object-Evidence Preserving Token Merging for Vision-Language Retrieval（所有视觉标记都同等重要吗？面向视觉-语言检索的保留对象证据的标记合并方法） [09:59] 🧠 KVpop -- Key-Value Cache Compression with Predictive Online Pruning（KVpop——基于预测性在线剪枝的键值缓存压缩） [10:50] 🧠 dOPSD: On-Policy Self-Distillation for Diffusion Language Models（dOPSD：扩散语言模型的在线自蒸馏方法） [11:41] 🎨 Perceptual Flow Matching for Few-Step Generative Modeling（感知流匹配：用于少步生成建模） [12:37] 🔬 Multi-Turn Agentic Scientific Literature Search via Workflow Induction（多轮交互式科学文献搜索：基于工作流归纳的方法） 【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 9 篇论文如下： [00:35] 🎯 The Mirage of Optimizing Training Policies: Monotonic Inference Policies as the Real Objective for LLM Reinforcement Learning（优化训练策略的幻影：单调推理策略作为大语言模型强化学习的真正目标） [01:34] 🛠 VLA-Corrector: Lightweight Detect-and-Correct Inference for Adaptive Action Horizon（VLA-Corrector：一种用于自适应动作视界的轻量级检测与校正推理框架） [02:35] 🤖 Embodied.cpp: A Portable Inference Runtime of Embodied AI Models on Heterogeneous Robots（Embodied.cpp：面向异构机器人的具身AI模型便携推理运行时） [03:43] 🔢 OrbitQuant: Data-Agnostic Quantization for Image and Video Diffusion Transformers（OrbitQuant：面向图像和视频扩散Transformer的数据无关量化方法） [04:38] 📊 DataComp-VLM: Improved Open Datasets for Vision-Language Models（DataComp-VLM：改进的视觉语言模型开放数据集） [05:36] 🛡 Securing the AI Agent: A Unified Framework for Multi-Layer Agent Red Teaming（保护AI智能体：一种多层次智能体红队测试的统一框架） [06:36] ☁ Interpretation-Oriented Cloud Removal via Observation-Anchored Residual Flow with Geo-Contextual Alignment（面向解译的云去除：基于观测锚定残差流与地理上下文对齐的方法） [07:38] 📄 MultAttnAttrib: Training-Free Multimodal Attribution in Long Document Question Answering（多注意力归因：长文档问答中的无训练多模态归因） [08:25] 🔗 AGE: Adaptive-masking for Graph Embedding in Graph Retrieval-Augmented Generation（AGE：面向图检索增强生成的自适应掩码图嵌入方法） 【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： [00:43] TOP1(🔥230) | 🌍 Orca: The World is in Your Mind（虎鲸：世界在你心中） [03:18] TOP2(🔥141) | 🤔 Agentic Abstention: Do Agents Know When to Stop Instead of Act?（智能体式弃权：智能体知道何时该停止而非行动吗？） [05:32] TOP3(🔥103) | 🧪 Dockerless: Environment-Free Program Verifier for Coding Agents（无Docker：面向编码智能体的无环境程序验证器） [07:58] TOP4(🔥93) | 🎭 DOPD: Dual On-policy Distillation（双在线策略蒸馏） [10:13] TOP5(🔥86) | 🧠 Scaling the Horizon, Not the Parameters: Reaching Trillion-Parameter Performance with a 35B Agent（扩展智能体视野而非参数规模：以35B智能体达到万亿参数级性能） 【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： [00:31] 🧩 Program-as-Weights: A Programming Paradigm for Fuzzy Functions（程序即权重：面向模糊函数的编程范式） [01:24] 🧠 EvoPolicyGym: Evaluating Autonomous Policy Evolution in Interactive Environments（EvoPolicyGym：在交互环境中评估自主策略演化） [02:24] 🧠 AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents（AgenticSTS：面向长时程LLM智能体的有界内存测试平台） [03:18] 🔍 Morphing into Hybrid Attention Models（变形为混合注意力模型） [04:07] 📊 AgenticDataBench: A Comprehensive Benchmark for Data Agents（AgenticDataBench：面向数据智能体的综合性基准测试） [05:12] ⚡ Multi-Resolution Flow Matching: Training-Free Diffusion Acceleration via Staged Sampling（多分辨率流匹配：通过分阶段采样的无训练扩散加速） [05:52] 🎬 WorldDirector: Building Controllable World Simulators with Persistent Dynamic Memory（世界导演：构建具有持久动态记忆的可控世界模拟器） [06:49] 🏥 Breaking Failure Cascades: Step-Aware Reinforcement Learning for Medical Multimodal Reasoning（打破失败级联：面向医学多模态推理的步骤感知强化学习） [07:37] 🎨 Optimizing Visual Generative Models via Distribution-wise Rewards（通过分布级奖励优化视觉生成模型） [08:32] 🎯 SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use（SkillCoach：用于评估和增强智能体技能使用的自我演化评分标准） [09:21] 🖐 AGVBench: A Reliability-Oriented Benchmark of Data Augmentation for Vein Recognition（AGVBench：面向静脉识别的可靠性导向数据增强基准） [10:16] 🔬 From SRA to Self-Flow: Data Augmentation or Self-Supervision?（从SRA到Self-Flow：数据增强还是自监督？） [11:10] 🧠 Logit-Contribution Scoring Identifies Non-Literal Retrieval Heads（对数几率贡献评分识别非字面检索头） [11:58] 🎯 AnyGroundBench: A Specialized-Domain Benchmark for Video Grounding in Vision-Language Models（AnyGroundBench：面向视觉语言模型中视频定位的专业领域基准） [12:46] 🤔 When Search Agents Should Ask: DiscoBench for Clarification-Aware Deep Search（搜索代理何时应提问：面向澄清感知的深度搜索基准DiscoBench） 【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