HuggingFace 每日AI论文速递 - 节目列表

【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

【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： [00:28] 🧠 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） [01:13] 🧠 SenseNova-U1.5: Towards Native Unified Visual Intelligence（SenseNova-U1.5：迈向原生统一视觉智能） [02:09] 🧱 SpatialBlock: Enhancing Spatial Intelligence in LVLMs via Synthetic Block-Stacking Problem（SpatialBlock：通过合成积木堆叠问题增强大型视觉语言模型的空间智能） [02:53] 🛡 EvoSafeHarness: Evolving Model- and Domain-Specific Harnesses for Securing Agents（EvoSafeHarness：为保障智能体安全而演化模型与领域特定的安全护栏） [03:39] 🧹 Mi-Ripple: Restoring Images Degraded by Iterative AI Editing（Mi-Ripple：修复由迭代式 AI 编辑退化的图像） [04:23] 🗜 X-AuT: Progressive Audio-Encoder Compression for Speech LLMs with Cross-Scale Distillation（X-AuT：基于跨尺度蒸馏的语音大语言模型渐进式音频编码器压缩） [05:11] 🧠 Memory as Plans: World-Action Modeling with Memory-Grounded Planning（记忆即计划：基于记忆锚定规划的世界-动作建模） [05:54] 🧩 TempCloze: Can Video-LLMs Identify the Missing Middle?（TempCloze：视频大语言模型能否识别缺失的中间片段？） [06:41] 🌊 FreeFlow: A Bias-free Hierarchical Transformer for Optical Flow Estimation（FreeFlow：一种用于光流估计的无偏置层次化Transformer） [07:34] 🧩 Recursive Code World Models: Building Complex Worlds through Recursive Scene Programs（递归代码世界模型：通过递归场景程序构建复杂世界） [08:21] 🫀 CARDEA: Auditable Reasoning Grounded in Spatial Evidence for End-to-End Coronary Angiography Interpretation（CARDEA：基于空间证据的可审计推理，用于端到端冠状动脉造影解读） [09:07] 🚫 Negative Self-Distillation: Learning to Reason by Avoiding Flaws（负向自蒸馏：通过规避缺陷学习推理） [09:53] ✈ DRG-MAPPO: Hierarchical Dynamic Role-Graph Multi-Agent Reinforcement Learning for Cooperative Air Combat（DRG-MAPPO：面向协同空战的分层动态角色图多智能体强化学习） [10:35] 🩻 UniH$^3$: Unifying Hierarchical Homogeneity and Heterogeneity for All-in-One Medical Image Restoration（UniH³：统一分层同质性与异质性的一体化医学图像恢复） [11:22] 🎥 World in World: Explore the World with World Models（世界中的世界：用世界模型探索世界） 【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： [00:28] 🤖 Show-Harness: Just a VLM Agent Can Play Robots（Show-Harness：仅一个VLM智能体即可玩转机器人） [01:11] 🎮 Programmable World Model（可编程世界模型） [01:57] 🤖 AgentGrad: Intervention-guided Prompt Optimization for Multi Agent Systems（AgentGrad：干预引导的多智能体系统提示优化） [02:40] ⌚ WearableQA: A Benchmark for Health Reasoning over Real-World Wearable Data（WearableQA：面向真实世界可穿戴数据的健康推理基准） [03:27] ✅ SWE-Bench Pro Verified: A Reliable Benchmark for Software Engineering Agents（SWE-Bench Pro Verified：面向软件工程智能体的可靠基准） [04:11] 🔬 SAEScientist-Bench: Can AI Agents Conduct Autonomous SAE Interpretability Research?（SAEScientist-Bench：AI智能体能否开展自主SAE可解释性研究？） [04:55] 🔍 Scores Alone Do Not Prove Discovery: The Discovery Certification Protocol for Auditing AI Research Agents（仅凭分数不能证明发现：用于审计 AI 研究代理的发现认证协议） [05:42] 🗣 Puppeteer: Object-Grounded Posture-Aware Co-Speech Gesture Generation（Puppeteer：基于物体锚定与姿态感知的共语手势生成） [06:26] ⚗ DianShi-RxnDB: A Large-Scale, Fine-Grained Organic Reaction Data Platform Built via a Fully Automated Pipeline for Researchers and AI Agents（DianShi-RxnDB：面向研究人员与AI智能体的、通过全自动流程构建的大规模细粒度有机反应数据平台） [07:09] 🤖 SyncWorld: Visual Calibration Enables World Models as Zero-Shot Simulators（SyncWorld：视觉校准使世界模型成为零样本模拟器） [07:54] 🏗 $Φ$-Bench: Can Large Language Models Engineer the Infrastructure That Powers Them?（Φ-Bench：大型语言模型能否工程化支撑自身的基础设施？） [08:39] 🧠 Revisiting Complete Reasoning Traces for Post-Training（重新审视后训练中的完整推理轨迹） [09:31] 🔄 Train Smarter, Not Harder: Switching Signal-Guided Training in Active Learning（训练更智能，而非更费力：主动学习中的切换信号引导训练） [10:19] 🎥 Why Is Video Still So Expensive? A Survey of Inference-Efficiency Mechanisms in Video and Audiovisual LLMs（为什么视频仍然如此昂贵？视频与音视频大语言模型中的推理效率机制综述） [11:07] 🤖 Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails（协同演化智能体运行框架与模型：同策略修正帮助较弱模型在模仿失败之处追赶） 【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 7 篇论文如下： [00:31] ⚡ Unlocking Lossless Speedups in LLMs via Discrete Diffusion（通过离散扩散实现大语言模型的无损加速） [01:31] ⚖ FlowBalance: Verifier-Grounded Self-Improvement from On-Policy Reasoning Experience（流平衡：基于验证器的在线策略推理经验自我改进方法） [02:29] 🎯 ENEAS: Embedding-guided Neural Ensemble for Adaptive Segmentation（ENEAS：嵌入引导的神经集成自适应分割） [03:27] 🤖 EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents（具身技能（EmbodiedSkills）：编排、训练与部署VLA智能体的统一框架） [04:32] 📉 One Symptom, Three Levers: A Critical Review of On-Policy Self-Distillation（一种症状，三个杠杆：同策略自蒸馏的批判性综述） [05:15] 🚦 Verify Before You Distill: Prompt-Level Teacher Gating for On-Policy Distillation（先验证再蒸馏：在策略蒸馏中的提示级教师门控） [06:00] 🔧 What Else Needs Fixing? Exploring Cost-Effective Test-Time Compute for Revision Propagation in Artifacts Generated Through Conversation（还有哪些需要修复？探索经对话生成的产物中修订传播的高性价比测试时计算） 【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： [00:32] 🤖 Bilevel Coordinated Reflection: A Game-Theoretic Approach to Multi-Agent LLM Systems（双层协调反思：多智能体LLM系统的博弈论方法） [01:27] 🧗 Iris: Climbing to the Search Frontier（Iris：攀登搜索前沿） [02:12] 🤖 Motion-Omni: End-to-End Joint Speech and Full-Body Motion for Spoken Dialogue（Motion-Omni：面向口语对话的端到端语音与全身动作联合生成） [03:06] 🌍 WorldSculpt: Generating Compositional Worlds from Grounded Videos（WorldSculpt：从锚定视频生成组合式世界） [03:57] 🔍 Enoki: Efficient Multi-Level Hallucination Detection（Enoki：高效的多层级幻觉检测） [04:56] ❓ Ask Before You Optimize: Dynamic Pre-Formulation Clarification for Interactive Optimization（优化前先询问：面向交互式优化的动态预建模澄清） [06:04] 🔺 The Attention Triangle in Audio-Video Models（音频-视频模型中的注意力三角） [07:03] ⚡ Don't Drop Dropout: Optimizing Layer Sparsity for Efficient LLM Training and Inference（不要丢弃Dropout：优化层稀疏性以实现高效的LLM训练与推理） [07:57] 🧠 Beneath the Surface of Chains-of-Thought: A Mechanistic Interpretation of Reasoning Operations in LLMs（思维链的表面之下：大语言模型中推理操作的机制性解读） [08:51] 🔄 RISE: Recursive Improvement via Self-Extrapolating Policy Distillation（RISE：基于自外推策略蒸馏的递归改进） [09:52] 🤖 MaxKernel: Agentic Kernel Generation for TPUs（MaxKernel：面向TPU的智能体内核生成） [10:41] ✂ When Models Edit Too Much: On the Fidelity of Minimal Code Edits（当模型修改过度：关于最小代码编辑的保真度） [11:35] ✂ Group Adaptive Clipping Policy Optimization（分组自适应裁剪策略优化） [12:25] 🧊 Training-Free Speech-Centric Omni Understanding with Frozen VLMs（基于冻结视觉语言模型的免训练、以语音为中心的全模态理解） [13:23] 🤖 $τ^τ$-Bench: An Environment for End-To-End, Realistic Agent Construction（τ^τ-Bench：用于端到端、真实智能体构建的环境） 【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(🔥519) | 🤖 Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills（从仓库到技能：将GitHub代码库蒸馏为AI4AI技能） [03:54] TOP2(🔥480) | 🎓 StudentSim: Training LLM-based Student Simulators（StudentSim：训练基于大语言模型的学生模拟器） [07:43] TOP3(🔥371) | 🚗 Qwen-Drive-1.0: An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving（Qwen-Drive-1.0：迈向自动驾驶视觉语言基础模型的第一步） [10:53] TOP4(🔥280) | 🧠 Compile by Training: Turning Natural-Language Specifications into Local Neural Functions（通过训练进行编译：将自然语言规范转化为本地神经函数） [13:49] TOP5(🔥238) | 🤖 HarnessDev: Can LLMs Create and Evolve Their Own Agent Harness?（HarnessDev：大语言模型能否创建并演化自己的智能体执行框架？） 【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

【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 10 篇论文如下： [00:41] TOP1(🔥772) | 🧠 BDH-CQ: In-Context Learning with Recurrent Latent Reasoning（BDH-CQ：基于循环潜在推理的上下文学习） [04:16] TOP2(🔥446) | ⚙ StateM: Reaching 95.3% Raw Accuracy, or a \$15 Frontier Run, on Terminal-Bench 2.1 via Harness Scaling（StateM：通过 Harness 扩展在 Terminal-Bench 2.1 上达到 95.3% 原始准确率，或一次 15 美元的前沿运行） [07:08] TOP3(🔥342) | 🔄 Macaron-V1: Towards Open Continual Learning with Self-Improvement and Mixture-of-LoRA（Macaron-V1：迈向具备自我改进和LoRA混合的开放持续学习） [09:53] TOP4(🔥340) | 🕵 HarnessEval-W: Agentifying the Evaluation of Visual Worlds（HarnessEval-W：使视觉世界的评估智能体化） [12:45] TOP5(🔥290) | 📄 Spark-to-Paper: End-to-End Research Paper Generation as a Composable Skill（从火花到论文：作为可组合技能的端到端研究论文生成） [16:40] TOP6(🔥282) | 🛡 Can We Defend Against AI-Generated Video Attacks on Real-World Crisis Events? A Systematic Evaluation of Detectors, Generators and Social Dissemination（我们能防御针对现实世界危机事件的AI生成视频攻击吗？对检测器、生成器与社会传播的系统评估） [19:31] TOP7(🔥274) | 🌍 EnvHarness: Awakening Static Worlds for Agent Learning（EnvHarness：为智能体学习唤醒静态世界） [22:34] TOP8(🔥269) | 🧠 VBVR-Pro: A Scalable and Verifiable Suite for Native Visual Reasoning（VBVR-Pro：可扩展且可验证的原生视觉推理套件） [26:15] TOP9(🔥263) | 🧬 OpenART: Scaling Agent Red Teaming via Open-Ended Environment Evolution（OpenART：通过开放式环境演化扩展智能体红队测试） [29:25] TOP10(🔥252) | 🔁 Recursive Synthesis for Long-Horizon Terminal Tasks（面向长时程终端任务的递归式合成） 【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

【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： [00:33] 🌌 Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments（终端宇宙：将智能体轨迹转化为可扩展的终端环境） [01:31] 🚦 Knowing When Not to Reuse: Conditional Experience Transfer in Autonomous LLM Post-Training（知道何时不该复用：自主大语言模型后训练中的条件经验迁移） [02:34] 🎨 LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes（LLaDA-Image：以完全开放的训练配方构建强大图像生成器） [03:33] 🧠 LatentPress: Context Compression Beyond Text and Vision（LatentPress：超越文本与视觉的上下文压缩） [04:20] 🧠 Compile by Training: Turning Natural-Language Specifications into Local Neural Functions（通过训练进行编译：将自然语言规范转化为本地神经函数） [05:12] 🎲 Random Attention: Rethinking KV Cache Eviction for Efficient Reasoning（随机注意力：重新思考面向高效推理的KV缓存淘汰） [06:19] ⚡ Why Gated DeltaNet Survives 4-Bit Quantization: NVFP4 W4A4 for the Recurrent Half of a Hybrid 27B LLM（为什么门控DeltaNet能在4比特量化下存活：面向混合27B大语言模型循环半部分的NVFP4 W4A4量化） [07:15] 🎯 Rethinking On-Policy Distillation of Large Language Models II: One Training Example（重新思考大语言模型的同策略蒸馏（二）：一个训练示例） [08:18] 🌍 Puffin-World: Scaling a Unified Multimodal Model with Native 3D World States（Puffin-World：以原生3D世界状态扩展统一多模态模型） [09:17] 🧩 Scal3R: Learning Efficient Multi-Relative Pose Query for Scalable Online 3D Reconstruction（Scal3R：学习高效多相对位姿查询以实现可扩展的在线三维重建） [10:09] 🎨 Editable Visual Design（可编辑视觉设计） [11:08] ⏱ The Missing Temporal Link: Temporal Context Routing for Script-Driven Audio-Video Generation（缺失的时间链接：用于脚本驱动的音视频生成的时间上下文路由） [11:58] 🧠 Beyond Retrieval: Progressive Latent Memory Evolution for Streaming Video Understanding（超越检索：用于流式视频理解的渐进式潜在记忆演化） [12:50] 🧩 CORE: Improving Compositional Reasoning in MLLM Embedding via Reranker Distillation（CORE：通过重排序器蒸馏提升多模态大语言模型嵌入的组合推理） [13:47] 🤖 RealSWE: A Compositional Evaluation of Coding Agents under Realistic User Requests（RealSWE：真实用户请求下编码智能体的组合式评估） 【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] 🤖 Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills（从仓库到技能：将GitHub代码库蒸馏为AI4AI技能） [01:26] 🌍 SolarWM: Open Data and Scalable Training for Long-Horizon Video World Models（SolarWM：面向长时程视频世界模型的开放数据与可扩展训练） [02:19] ⏱ EarlyEval: Cheaper Agent Evaluation via Early Outcome Prediction（EarlyEval：通过早期结果预测实现更廉价的智能体评估） [03:21] 🤝 It Takes Two to Match: Co-Evolving Generative Retriever with Reinforcement Learning（两相匹配：基于强化学习的生成式检索器协同进化） [04:18] 🎯 Language Models Can Control Their Own Attention（语言模型能够控制自身的注意力） [05:10] 🖼 On the Design Fundamentals of Pixel Text Representation Learning（论像素文本表示学习的设计基础） [06:12] 🔍 Beyond Visual Similarity: Entity-Aligned Retrieval for Knowledge-Based Visual Question Answering（超越视觉相似性：面向知识型视觉问答的实体对齐检索） [07:14] 🤖 HarnessDev: Can LLMs Create and Evolve Their Own Agent Harness?（HarnessDev：大语言模型能否创建并演化自己的智能体执行框架？） [08:05] 🗜 ZipTok3D: High-Fidelity 3D Tokenization with Compact Token Prefixes（ZipTok3D：利用紧凑令牌前缀的高保真三维令牌化） [09:04] 🎯 Cliff: Learning Process Rewards from the First Mistake（Cliff：从第一个错误中学习过程奖励） [10:05] 🎯 Aspire: Can Models Self-Evolve from Vague Goals?（Aspire：模型能否从模糊目标中自我进化？） [10:46] 🎭 Influence-Directed Distillation: Solving the Diversity Bottleneck in Sampled-Token On-Policy Distillation（影响导向蒸馏：解决采样词元在线策略蒸馏中的多样性瓶颈） [11:42] 🎮 S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement?（S3Gym：大语言模型能否将自我测试与自我评判转化为自我改进？） [12:36] 👀 A Glance Is All You Need: Single-Pass Fine-Grained Image Captioning with SimLoss（一瞥足矣：基于SimLoss的单遍细粒度图像描述） [13:35] 🎙 VibeVoice-ASR-Streaming Technical Report（VibeVoice-ASR-Streaming技术报告） 【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