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： [00:33] 🧭 Harness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable（驾驭手册：使不断演化的智能体驾驭系统可读、可导航且可编辑） [01:19] 🖼 Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation（Boogu-Image-0.1：推动开源统一多模态理解与生成） [02:07] 🧠 Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning（环零：将零强化学习扩展至万亿参数以实现涌现推理） [03:08] 📄 OvisOCR2 Technical Report（OvisOCR2 技术报告） [04:12] 🤖 KnowAct-GUIClaw: Know Deeply, Act Perfectly, Personal GUI Assistant with Self-Evolving Memory and Skill（知深行准-GUIClaw：具备自进化记忆与技能的深度认知、精准执行个人GUI助手） [05:10] 🛡 PolicyShiftGuard: Benchmarking and Improving Policy-Adaptive Image Guardrails（政策转变守卫：基准测试与改进策略自适应图像防护机制） [06:02] 🤖 GigaWorld-Policy-0.5: A Faster and Stronger WAM Empowered by AutoResearch（GigaWorld-Policy-0.5：一种由自动研究驱动的更快更强的世界动作模型） [06:57] 🖼 MetaView: Monocular Novel View Synthesis with Scale-Aware Implicit Geometry Priors（MetaView：具有尺度感知隐式几何先验的单目新视角合成） [07:46] ✂ ShortOPD: Recovering Pruned LLMs with Short-to-Long On-Policy Distillation（ShortOPD：通过短到长在线策略蒸馏恢复剪枝后的大语言模型） [08:40] 🎭 Hallo4D: Multi-Modal Hallucination Mitigation for Consistent Spatio-Temporal Generation（Hallo4D：多模态幻觉缓解实现一致的时空生成） [09:28] 🔬 Registers Matter for Pixel-Space Diffusion Transformers（寄存器对像素空间扩散Transformer至关重要） [10:22] 🤖 Vinci2: Providing Proactive Assistance in Continuous Egocentric Videos（Vinci2：在连续自我中心视频中提供主动辅助） [11:21] 🔍 Tracing Agentic Failure from the Flow of Success（从成功流程中追溯智能体失败） [12:20] 🔍 From Noisy Traces to Root Causes: Structural Trajectory Analysis and Causal Extraction for Agent Optimization（从噪声轨迹到根因：面向智能体优化的结构化轨迹分析与因果提取） [13:23] 🧭 AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities（AgentCompass：一种统一的智能体能力评估基础设施） 【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： [00:31] 🔄 Read It Back: Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation（重新读它：预训练多模态大语言模型是文本到图像生成的零样本奖励模型） [01:35] 🔍 Blind-Spots-Bench: Evaluating Blind Spots in Multimodal Models（盲点基准：评估多模态模型中的盲点） [02:30] 📄 SynthDocBench: Controlled Benchmark for Long-Context Visual Document Understanding（SynthDocBench：面向长上下文视觉文档理解的受控基准） [03:31] 🔍 Know Before Fix: QA-Driven Repository Knowledge Acquisition for Software Issue Resolution（先知晓再修复：面向软件问题修复的基于问答的仓库知识获取） [04:20] 🎵 MuScriptor: An Open Model for Multi-Instrument Music Transcription（MuScriptor：面向多乐器音乐转录的开放模型） [05:12] 🔍 Search Beyond What Can Be Taught: Evolving the Knowledge Boundary in Agentic Visual Generation（超越可教授的知识边界：在智能体视觉生成中演化知识边界） [06:00] 🎨 Let RGB Be the Language of Vision（让RGB成为视觉的语言） [06:50] 📄 MonkeyOCRv2: A Visual-Text Foundation Model for Document AI（MonkeyOCRv2：面向文档AI的视觉-文本基础模型） [07:50] 🤖 Towards Autonomous and Auditable Medical Imaging Model Development（迈向自主且可审计的医学影像模型开发） [08:40] 🧠 Principled Analysis of Deep Reinforcement Learning Evaluation and Design Paradigms（深度强化学习评估与设计范式的原则性分析） 【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 14 篇论文如下： [00:32] 🧠 Weak-to-Strong Generalization via Direct On-Policy Distillation（弱到强泛化：通过直接在线策略蒸馏） [01:22] 🤖 ABot-N1: Toward a General Visual Language Navigation Foundation Model（ABot-N1：迈向通用视觉语言导航基础模型） [02:20] 🤖 ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory（ABot-AgentOS：一种具有终身多模态记忆的通用机器人智能体操作系统） [03:21] 🕺 4D Human-Scene Reconstruction from Low-Overlap Captures（低重叠度捕获下的四维人体场景重建） [04:13] 🧠 LightMem-Ego: Your AI Memory for Everyday Life（轻量记忆自我：你的日常生活AI记忆） [05:15] 🧮 AdvancedMathBench: A Benchmark Suite for Advanced Mathematical Proof Generation and Verification（高级数学推理基准：面向高级数学证明生成与验证的基准套件） [06:11] 🧠 Metacognition in LLMs: Foundations, Progress, and Opportunities（大语言模型中的元认知：基础、进展与机遇） [07:03] 🤖 EgoSteer: A Full-Stack System Towards Steerable Dexterous Manipulation from Egocentric Videos（EgoSteer：面向从自我中心视频实现可操控灵巧操作的全栈系统） [07:55] 🧩 Proxy Exploration and Reusable Guidance: A Modular LLM Post-Training Paradigm via Proxy-Guided Update Signals（代理探索与可复用引导：一种通过代理引导更新信号实现的模块化大语言模型后训练范式） [08:55] 🧠 NeuroCogMap Reveals Cognitive Organization of Large Language Models（神经认知图谱揭示大型语言模型的认知组织） [09:52] 🎬 Motion4Motion: Motion Transfer Across Subjects at Inference（Motion4Motion：推理时跨主体的运动迁移） [10:58] 👗 CtrlVTON: Controllable Virtual Try-On via Visual-Instance-Prompt Segmentation（CtrlVTON：通过视觉实例提示分割实现可控虚拟试穿） [11:54] 🎭 Latent-Identity Tuning in Text-to-Image Personalization Models（文本到图像个性化模型中的潜在身份调优） [12:52] 🧊 LATO.2: Factorized 3D Mesh Generation with Vertex and Topology Flow（LATO.2：基于顶点与拓扑流的分解式3D网格生成） 【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

【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 13 篇论文如下： [00:33] 🚀 Long-Horizon-Terminal-Bench: Testing the Limits of Agents on Long-Horizon Terminal Tasks with Dense Reward-Based Grading（长时终端基准：在具有密集奖励评分的长期终端任务中测试智能体的极限） [01:25] 👁 Scalable Visual Pretraining for Language Intelligence（面向语言智能的可扩展视觉预训练） [02:22] 🎥 Video Generation Models are General-Purpose Vision Learners（视频生成模型是通用视觉学习器） [03:16] 🎯 Trust Region Policy Distillation（信任区域策略蒸馏） [04:14] 🧠 KronQ: LLM Quantization via Kronecker-Factored Hessian（KronQ：通过Kronecker分解黑塞矩阵实现的大语言模型量化） [05:00] 🌍 PanoWorld: Real-World Panoramic Generation（PanoWorld：真实世界全景生成） [05:56] 🎨 From RGB Generation to Dense Field Readout: Pixel-Space Dense Prediction with Text-to-Image Models（从RGB生成到密集场读取：利用文本到图像模型进行像素空间密集预测） [06:49] 🎯 Self-Guided Test-Time Training for Long-Context LLMs（自引导测试时训练用于长上下文大语言模型） [07:36] 🚗 Flow-ERD: Agent-type Aware Flow Matching with Entropy-Regularized Distillation for Diverse Traffic Simulation（Flow-ERD：面向多样化交通仿真的智能体类型感知流匹配与熵正则化蒸馏） [08:28] 🔊 Phone Segmentation and Recognition through Phonological Activation Mapping（通过音位激活映射进行音素分割与识别） [09:28] 🧠 Towards Mechanistically Understanding Why Memorized Knowledge Fails to Generalize in Large Language Model Finetuning（探究大语言模型微调中记忆知识为何无法泛化的机制性理解） [10:18] 🤖 A Sovereign, Open-Source Foundation Model for German and English（一个面向德语和英语的主权开源基础模型） [11:13] 🏛 VaseMuseum: Digital Intelligent Museum for Ancient Greek Pottery（VaseMuseum：面向古希腊陶器的数字智能博物馆） 【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： [00:51] TOP1(🔥161) | 🎯 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） [02:56] TOP2(🔥119) | 🎬 Vidu S1: A Real-Time Interactive Video Generation Model（Vidu S1：一种实时交互式视频生成模型） [04:56] TOP3(🔥89) | 🤖 RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation（RynnWorld-4D：面向机器人操作的4D具身世界模型） [07:15] TOP4(🔥84) | 🎮 AlayaWorld: Long-Horizon and Playable Video World Generation（AlayaWorld：长视界且可游玩的视频世界生成） [09:58] TOP5(🔥83) | 🔬 Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning（基于深度原生结构推理的精确、跨学科且透明的构效关系理解） 【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] 🎬 Vidu S1: A Real-Time Interactive Video Generation Model（Vidu S1：一种实时交互式视频生成模型） [01:29] 🔍 Video-Oasis: Rethinking Evaluation of Video Understanding（视频绿洲：重新思考视频理解的评估） [02:27] 🔑 Why Can't I Open My Drawer? Mitigating Object-Driven Shortcuts in Zero-Shot Compositional Action Recognition（为什么我打不开抽屉？缓解零样本组合动作识别中的对象驱动捷径） [03:21] 🤖 UniClawBench: A Universal Benchmark for Proactive Agents on Real-World Tasks（UniClawBench：面向真实世界任务中主动智能体的通用基准） [04:18] 🎥 LongE2V: Long-Horizon Event-based Video Reconstruction, Prediction, and Frame Interpolation with Video Diffusion Models（LongE2V：基于视频扩散模型的长时域事件驱动视频重建、预测与帧插值） [05:24] 🧬 Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation（思想具有基因组：科学谱系推理与基于谱系的创意生成基准测试） [06:13] 🌐 Enhancing In-context Panoramic Generation via Geometric-aware Pretraining（通过几何感知预训练增强上下文全景生成） [06:54] 🎬 CineMobile: On-Device Image-to-Video Diffusion for Cinematic Camera Motion Generation（CineMobile：面向电影级摄像机运动生成的设备端图像到视频扩散） [07:52] 🎬 OpenCoF: Learning to Reason Through Video Generation（OpenCoF：通过视频生成学习推理） [08:45] 🚀 Jet-Long: Efficient Long-Context Extension with Dynamic Bifocal RoPE（Jet-Long：基于动态双焦点旋转位置编码的高效长上下文扩展） [09:39] ⚡ Linear Attention Architectures: Mechanisms, Trade-offs, and Cross-Layer Routing（线性注意力架构：机制、权衡与跨层路由） [10:38] 💊 DrugGen 2: A disease-aware language model for enhancing drug discovery（DrugGen 2：一种疾病感知型语言模型，用于增强药物发现） [11:23] ⚡ Flash-BoN: Instant Drafts for Inference-Time Scaling in Diffusion Models（Flash-BoN：扩散模型中推理时缩放的即时草稿生成） [12:08] 🎵 A Quantized Native Runtime for On-Device Semantic Audio Generation（面向设备端语义音频生成的量化原生运行时） [13:01] 🚀 UP: Unbounded Positive Asymmetric Optimization for Breaking the Exploration-Stability Dilemma（UP：用于打破探索-稳定性困境的无界正向非对称优化） 【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： [00:30] 🔬 Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning（基于深度原生结构推理的精确、跨学科且透明的构效关系理解） [01:28] 🤖 Dual Latent Memory in Vision-Language-Action Models for Robotic Manipulation（视觉-语言-动作模型中的双潜记忆用于机器人操作） [02:34] 🤖 Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence（面向具身智能的混合专家视频预训练规模化） [03:28] 🌍 Infinite Worlds with Versatile Interactions（无限世界与多样化交互） [04:32] 🤖 RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies（RoboDojo：统一仿真与真实世界的通用机器人操作策略综合评估基准） [05:34] 🏙 WildCity: A Real-World City-Scale Testbed for Rendering, Simulation, and Spatial Intelligence（WildCity：一个用于渲染、仿真和空间智能的真实世界城市规模测试平台） [06:35] 🧩 Teaching LLMs a Low-Resource Language: Enhancing Code Completion in Pharo（教会大语言模型一种低资源语言：提升Pharo语言中的代码补全能力） 【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

【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] 🎮 AlayaWorld: Long-Horizon and Playable Video World Generation（AlayaWorld：长视界且可游玩的视频世界生成） [01:31] 🤖 RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation（RynnWorld-4D：面向机器人操作的4D具身世界模型） [02:30] 🔍 Hierarchical Sparse Attention Done Right: Toward Infinite Context Modeling（分层稀疏注意力机制的正确实现：迈向无限上下文建模） [03:36] 👁 Vision as Unified Multimodal Generation（视觉作为统一多模态生成） [04:25] 🔦 Light-Omni: Reflex over Reasoning in Agentic Video Understanding with Long-Term Memory（光之全能：基于长期记忆的智能体视频理解中反思优于推理） [05:25] 🎥 Parallelized Autoregressive Decoding for Omni-Modal Dense Video Captioning（并行化自回归解码用于全模态密集视频字幕生成） [06:14] 🧠 Gemma 4 Technical Report（Gemma 4 技术报告） [07:11] ⚡ SkillOpt-Lite: Better and Faster Agent Self-evolution via One Line of Vibe（SkillOpt-Lite：通过一行“氛围”实现更优更快的智能体自我进化） [08:07] ⚡ DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation（DSpark：基于置信度调度的半自回归推测解码） [09:03] 🧠 MentalThink: Shaping Thoughts in Mental SVG World（MentalThink：在思维SVG世界中塑造思想） [09:57] 🤖 RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation（RynnWorld-Teleop：一种用于数字遥操作的动作条件世界模型） [10:58] 🎯 TurnOPD: Making On-Policy Distillation Turn-Aware for Efficient Long-Horizon Agent Training（TurnOPD：使在线知识蒸馏具备回合感知能力以实现高效的长时程智能体训练） [11:58] 🎨 CanvasAgent: Enabling Complex Image Creation and Editing via Visual Tool Orchestration（CanvasAgent：通过可视化工具编排实现复杂图像创建与编辑） [13:05] 🧪 TREK: Distill to Explore, Reinforce to Refine（TREK：通过蒸馏进行探索，通过强化进行精炼） [13:51] 🖼 PointDiT: Pixel-Space Diffusion for Monocular Geometry Estimation（PointDiT：面向单目几何估计的像素空间扩散模型） 【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 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