HuggingFace 每日AI论文速递 - 节目列表

本期的 15 篇论文如下： [00:20] 🌍 Solar Open Technical Report（Solar Open 技术报告） [00:54] 🤖 User-Oriented Multi-Turn Dialogue Generation with Tool Use at scale（面向用户的大规模多轮对话生成与工具使用） [01:39] 🧠 MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences（MemGovern：通过从受治理的人类经验中学习来增强代码代理） [02:11] 🖱 ShowUI-$π$: Flow-based Generative Models as GUI Dexterous Hands（ShowUI-π：基于流的生成模型作为GUI灵巧手） [02:44] 🧠 KnowMe-Bench: Benchmarking Person Understanding for Lifelong Digital Companions（KnowMe-Bench：面向终身数字伴侣的人物理解基准测试） [03:15] 🏆 ArenaRL: Scaling RL for Open-Ended Agents via Tournament-based Relative Ranking（ArenaRL：通过基于锦标赛的相对排名扩展开放智能体强化学习） [04:07] 🧠 Ministral 3（Ministral 3系列模型） [04:51] ⚖ The Confidence Dichotomy: Analyzing and Mitigating Miscalibration in Tool-Use Agents（置信度二分法：分析与缓解工具使用智能体中的校准错误） [05:31] 🧭 VLingNav: Embodied Navigation with Adaptive Reasoning and Visual-Assisted Linguistic Memory（VLingNav：基于自适应推理与视觉辅助语言记忆的具身导航） [06:24] 🎬 End-to-End Video Character Replacement without Structural Guidance（无需结构引导的端到端视频角色替换） [07:06] 🎬 Motion Attribution for Video Generation（视频生成中的运动归因） [07:36] 🚀 SnapGen++: Unleashing Diffusion Transformers for Efficient High-Fidelity Image Generation on Edge Devices（SnapGen++：释放扩散变换器在边缘设备上实现高效高保真图像生成） [08:12] ⚖ JudgeRLVR: Judge First, Generate Second for Efficient Reasoning（JudgeRLVR：先判断后生成的高效推理方法） [08:46] 📊 Aligning Text, Code, and Vision: A Multi-Objective Reinforcement Learning Framework for Text-to-Visualization（对齐文本、代码与视觉：基于多目标强化学习的文本到可视化生成框架） [09:25] 🔍 Towards Comprehensive Stage-wise Benchmarking of Large Language Models in Fact-Checking（迈向大型语言模型在事实核查中的全面分阶段基准测试） 【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

本期的 15 篇论文如下： [00:20] 🔍 Watching, Reasoning, and Searching: A Video Deep Research Benchmark on Open Web for Agentic Video Reasoning（观察、推理与搜索：面向智能体视频推理的开放网络视频深度研究基准） [01:01] 👶 BabyVision: Visual Reasoning Beyond Language（BabyVision：超越语言的视觉推理） [01:45] 🚀 PaCoRe: Learning to Scale Test-Time Compute with Parallel Coordinated Reasoning（PaCoRe：通过并行协调推理学习扩展测试时计算） [02:24] 🧠 X-Coder: Advancing Competitive Programming with Fully Synthetic Tasks, Solutions, and Tests（X-Coder：基于全合成任务、解决方案与测试推进竞争性编程） [03:03] ⚡ MHLA: Restoring Expressivity of Linear Attention via Token-Level Multi-Head（MHLA：通过令牌级多头机制恢复线性注意力的表达能力） [03:41] ⚡ GlimpRouter: Efficient Collaborative Inference by Glimpsing One Token of Thoughts（GlimpRouter：通过瞥见思维令牌实现高效协同推理） [04:17] 🤖 OS-Symphony: A Holistic Framework for Robust and Generalist Computer-Using Agent（OS-Symphony：一个用于鲁棒且通用的计算机使用智能体的整体框架） [05:20] 📉 Lost in the Noise: How Reasoning Models Fail with Contextual Distractors（迷失于噪声之中：推理模型如何因上下文干扰物而失效） [06:00] 🚀 Beyond Hard Masks: Progressive Token Evolution for Diffusion Language Models（超越硬掩码：扩散语言模型的渐进式令牌演化） [06:30] 🧠 Controllable Memory Usage: Balancing Anchoring and Innovation in Long-Term Human-Agent Interaction（可控内存使用：在长期人机交互中平衡锚定与创新） [07:10] 🚗 DrivingGen: A Comprehensive Benchmark for Generative Video World Models in Autonomous Driving（DrivingGen：自动驾驶生成式视频世界模型的综合基准） [07:58] 🤖 MegaFlow: Large-Scale Distributed Orchestration System for the Agentic Era（MegaFlow：面向智能体时代的大规模分布式编排系统） [08:26] 🎨 Boosting Latent Diffusion Models via Disentangled Representation Alignment（通过解耦表征对齐提升潜在扩散模型） [09:08] 🤔 What Users Leave Unsaid: Under-Specified Queries Limit Vision-Language Models（用户未言明之处：欠明确的查询限制视觉语言模型） [09:45] 🔧 ET-Agent: Incentivizing Effective Tool-Integrated Reasoning Agent via Behavior Calibration（ET-Agent：通过行为校准激励有效的工具集成推理智能体） 【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

本期的 15 篇论文如下： [00:20] 🗺 Thinking with Map: Reinforced Parallel Map-Augmented Agent for Geolocalization（借助地图思考：用于地理定位的强化并行地图增强智能体） [01:03] 🧠 MMFormalizer: Multimodal Autoformalization in the Wild（MMFormalizer：面向真实世界的多模态自动形式化方法） [01:38] 🧬 The Molecular Structure of Thought: Mapping the Topology of Long Chain-of-Thought Reasoning（思维分子结构：长链思维推理的拓扑映射） [02:21] 🎭 CaricatureGS: Exaggerating 3D Gaussian Splatting Faces With Gaussian Curvature（CaricatureGS：基于高斯曲率夸张3D高斯泼溅人脸） [03:04] 🔍 Chaining the Evidence: Robust Reinforcement Learning for Deep Search Agents with Citation-Aware Rubric Rewards（证据链构建：基于引文感知评分奖励的深度搜索智能体鲁棒强化学习） [03:47] ⚙ EnvScaler: Scaling Tool-Interactive Environments for LLM Agent via Programmatic Synthesis（EnvScaler：通过程序化合成扩展LLM智能体的工具交互环境） [04:22] 🔮 Can We Predict Before Executing Machine Learning Agents?（我们能在执行前预测机器学习智能体的行为吗？） [04:59] 🖼 AgentOCR: Reimagining Agent History via Optical Self-Compression（AgentOCR：通过光学自压缩重构智能体历史） [05:39] 🎬 VideoAR: Autoregressive Video Generation via Next-Frame & Scale Prediction（VideoAR：通过下一帧与尺度预测的自回归视频生成） [06:29] 🔍 Qwen3-VL-Embedding and Qwen3-VL-Reranker: A Unified Framework for State-of-the-Art Multimodal Retrieval and Ranking（Qwen3-VL-Embedding与Qwen3-VL-Reranker：用于最先进多模态检索与排序的统一框架） [07:23] 🔍 Illusions of Confidence? Diagnosing LLM Truthfulness via Neighborhood Consistency（自信的幻觉？通过邻域一致性诊断大语言模型的真实性） [08:07] 🔄 Orient Anything V2: Unifying Orientation and Rotation Understanding（Orient Anything V2：统一物体朝向与旋转理解的增强基础模型） [08:37] 🔍 SmartSearch: Process Reward-Guided Query Refinement for Search Agents（SmartSearch：面向搜索代理的流程奖励引导查询优化框架） [09:23] ⚙ Goal Force: Teaching Video Models To Accomplish Physics-Conditioned Goals（目标力：教导视频模型实现物理条件目标） [10:11] 📊 Same Claim, Different Judgment: Benchmarking Scenario-Induced Bias in Multilingual Financial Misinformation Detection（相同声明，不同判断：多语言金融虚假信息检测中场景诱导偏见的基准测试） 【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

本期的 5 篇论文如下： [00:39] TOP1(🔥126) | 📈 GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization（GDPO：面向多奖励强化学习优化的组奖励解耦归一化策略优化） [02:31] TOP2(🔥108) | 🌍 NeoVerse: Enhancing 4D World Model with in-the-wild Monocular Videos（NeoVerse：利用野外单目视频增强4D世界模型） [04:40] TOP3(🔥107) | 🤖 Youtu-Agent: Scaling Agent Productivity with Automated Generation and Hybrid Policy Optimization（Youtu-Agent：通过自动化生成与混合策略优化扩展智能体生产力） [07:00] TOP4(🔥93) | 🔍 InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields（InfiniDepth：基于神经隐式场的任意分辨率与细粒度深度估计） [09:40] TOP5(🔥87) | 🎬 LTX-2: Efficient Joint Audio-Visual Foundation Model（LTX-2：高效的联合视听基础模型） 【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

本期的 15 篇论文如下： [00:21] 📈 GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization（GDPO：面向多奖励强化学习优化的组奖励解耦归一化策略优化） [01:05] ⚖ Learnable Multipliers: Freeing the Scale of Language Model Matrix Layers（可学习的乘数：释放语言模型矩阵层的尺度） [01:33] 🌙 RL-AWB: Deep Reinforcement Learning for Auto White Balance Correction in Low-Light Night-time Scenes（RL-AWB：基于深度强化学习的低光照夜间场景自动白平衡校正） [02:07] 🤖 RoboVIP: Multi-View Video Generation with Visual Identity Prompting Augments Robot Manipulation（RoboVIP：基于视觉身份提示的多视角视频生成增强机器人操作） [02:56] 🤝 RelayLLM: Efficient Reasoning via Collaborative Decoding（RelayLLM：基于协作解码的高效推理框架） [03:31] 🌲 AT$^2$PO: Agentic Turn-based Policy Optimization via Tree Search（AT²PO：基于树搜索的智能体回合制策略优化） [04:24] 🤔 VideoAuto-R1: Video Auto Reasoning via Thinking Once, Answering Twice（VideoAuto-R1：通过思考一次、回答两次实现视频自动推理） [04:57] 🎬 VerseCrafter: Dynamic Realistic Video World Model with 4D Geometric Control（VerseCrafter：具有4D几何控制的动态逼真视频世界模型） [05:34] 🔍 The Illusion of Specialization: Unveiling the Domain-Invariant "Standing Committee" in Mixture-of-Experts Models（专业化的幻象：揭示混合专家模型中的领域不变“常务委员会”） [06:09] 🎯 Few Tokens Matter: Entropy Guided Attacks on Vision-Language Models（少数令牌至关重要：针对视觉语言模型的熵引导攻击） [06:40] 🎥 Plenoptic Video Generation（全光视频生成） [07:12] ⚖ Agent-as-a-Judge（智能体作为评审者） [07:43] 📄 DocDancer: Towards Agentic Document-Grounded Information Seeking（DocDancer：面向智能体化的文档驱动信息检索） [08:20] 🧠 Re-Align: Structured Reasoning-guided Alignment for In-Context Image Generation and Editing（Re-Align：基于结构化推理引导对齐的上下文图像生成与编辑） [09:05] 🧠 DiffCoT: Diffusion-styled Chain-of-Thought Reasoning in LLMs（DiffCoT：大语言模型中的扩散风格思维链推理） 【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

本期的 15 篇论文如下： [00:21] ⚖ Entropy-Adaptive Fine-Tuning: Resolving Confident Conflicts to Mitigate Forgetting（熵自适应微调：解决置信冲突以缓解遗忘） [01:15] 🧠 Evolving Programmatic Skill Networks（演化式程序化技能网络） [01:51] 🧠 Atlas: Orchestrating Heterogeneous Models and Tools for Multi-Domain Complex Reasoning（Atlas：面向多领域复杂推理的异构模型与工具编排框架） [02:31] 📊 Benchmark^2: Systematic Evaluation of LLM Benchmarks（基准测试的基准测试：大语言模型评估基准的系统性评估） [03:12] 🎬 Klear: Unified Multi-Task Audio-Video Joint Generation（Klear：统一的多任务音视频联合生成） [03:53] 🎬 Choreographing a World of Dynamic Objects（动态物体的编排：一个通用生成式流水线） [04:36] ✅ Agentic Rubrics as Contextual Verifiers for SWE Agents（作为上下文验证器的智能评分标准在软件工程代理中的应用） [05:11] ⚗ MDAgent2: Large Language Model for Code Generation and Knowledge Q&A in Molecular Dynamics（MDAgent2：用于分子动力学代码生成与知识问答的大语言模型） [05:55] 🚀 E-GRPO: High Entropy Steps Drive Effective Reinforcement Learning for Flow Models（E-GRPO：高熵步驱动流模型的有效强化学习） [06:53] 🛡 RedBench: A Universal Dataset for Comprehensive Red Teaming of Large Language Models（RedBench：一个用于大型语言模型全面红队测试的通用数据集） [07:36] 📊 EpiQAL: Benchmarking Large Language Models in Epidemiological Question Answering for Enhanced Alignment and Reasoning（EpiQAL：面向增强对齐与推理的流行病学问答大语言模型基准评测） [08:15] 🧠 Enhancing Linguistic Competence of Language Models through Pre-training with Language Learning Tasks（通过语言学习任务预训练增强语言模型的语言能力） [08:48] 🔬 Why LLMs Aren't Scientists Yet: Lessons from Four Autonomous Research Attempts（为什么大语言模型还不是科学家：来自四次自主研究尝试的教训） [09:25] 🤖 ThinkRL-Edit: Thinking in Reinforcement Learning for Reasoning-Centric Image Editing（ThinkRL-Edit：基于强化学习的思维式推理中心图像编辑） [10:17] 🧠 MAGMA: A Multi-Graph based Agentic Memory Architecture for AI Agents（MAGMA：一种基于多图的AI智能体记忆架构） 【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

本期的 15 篇论文如下： [00:25] 🔍 InfiniDepth: Arbitrary-Resolution and Fine-Grained Depth Estimation with Neural Implicit Fields（InfiniDepth：基于神经隐式场的任意分辨率与细粒度深度估计） [01:07] 🎙 MOSS Transcribe Diarize: Accurate Transcription with Speaker Diarization（MOSS转录与说话人分离：带说话人归属和时间戳的准确转录） [01:46] 🔬 SciEvalKit: An Open-source Evaluation Toolkit for Scientific General Intelligence（SciEvalKit：一个用于科学通用智能的开源评估工具包） [02:32] 🎬 LTX-2: Efficient Joint Audio-Visual Foundation Model（LTX-2：高效的联合视听基础模型） [03:26] 🦄 UniCorn: Towards Self-Improving Unified Multimodal Models through Self-Generated Supervision（UniCorn：通过自生成监督实现自改进统一多模态模型） [04:06] 🎨 DreamStyle: A Unified Framework for Video Stylization（DreamStyle：视频风格化的统一框架） [04:38] 🧠 CogFlow: Bridging Perception and Reasoning through Knowledge Internalization for Visual Mathematical Problem Solving（CogFlow：通过知识内化桥接感知与推理，用于视觉数学问题求解） [05:25] ⚡ MiMo-V2-Flash Technical Report（MiMo-V2-Flash 技术报告） [06:15] 🎮 NitroGen: An Open Foundation Model for Generalist Gaming Agents（NitroGen：通用游戏智能体的开放基础模型） [06:58] 🤖 SOP: A Scalable Online Post-Training System for Vision-Language-Action Models（SOP：一种可扩展的视觉-语言-动作模型在线后训练系统） [07:43] 🛡 OpenRT: An Open-Source Red Teaming Framework for Multimodal LLMs（OpenRT：一个用于多模态大语言模型的开源红队测试框架） [08:31] 📍 The Sonar Moment: Benchmarking Audio-Language Models in Audio Geo-Localization（声纳时刻：音频语言模型在音频地理定位中的基准测试） [09:14] 🔍 X-MuTeST: A Multilingual Benchmark for Explainable Hate Speech Detection and A Novel LLM-consulted Explanation Framework（X-MuTeST：一个用于可解释仇恨言论检测的多语言基准及一种新颖的LLM咨询解释框架） [09:57] 🧠 Parallel Latent Reasoning for Sequential Recommendation（并行潜在推理用于序列推荐） [10:27] 🤖 WebGym: Scaling Training Environments for Visual Web Agents with Realistic Tasks（WebGym：利用真实任务扩展视觉网络代理的训练环境） 【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

本期的 15 篇论文如下： [00:21] 🧠 K-EXAONE Technical Report（K-EXAONE技术报告） [00:56] 🚀 NextFlow: Unified Sequential Modeling Activates Multimodal Understanding and Generation（NextFlow：统一序列建模激活多模态理解与生成） [01:36] 🎭 DreamID-V:Bridging the Image-to-Video Gap for High-Fidelity Face Swapping via Diffusion Transformer（DreamID-V：通过扩散Transformer弥合图像到视频的鸿沟以实现高保真人脸交换） [02:19] 🎨 VAR RL Done Right: Tackling Asynchronous Policy Conflicts in Visual Autoregressive Generation（VAR强化学习优化之道：解决视觉自回归生成中的异步策略冲突） [03:04] 🚀 GARDO: Reinforcing Diffusion Models without Reward Hacking（GARDO：无需奖励黑客攻击的扩散模型强化方法） [03:41] 🎨 VINO: A Unified Visual Generator with Interleaved OmniModal Context（VINO：一种具有交错式全模态上下文的统一视觉生成器） [04:17] ♾ InfiniteVGGT: Visual Geometry Grounded Transformer for Endless Streams（InfiniteVGGT：面向无尽流数据的视觉几何基础Transformer） [04:54] 🧠 Can LLMs Predict Their Own Failures? Self-Awareness via Internal Circuits（大型语言模型能否预测自身失败？通过内部电路实现自我感知） [05:23] 🚀 Falcon-H1R: Pushing the Reasoning Frontiers with a Hybrid Model for Efficient Test-Time Scaling（Falcon-H1R：通过混合模型实现高效测试时扩展，推动推理前沿） [05:57] 🔄 Talk2Move: Reinforcement Learning for Text-Instructed Object-Level Geometric Transformation in Scenes（Talk2Move：基于强化学习的文本指令场景物体几何变换框架） [06:43] 🔄 Recursive Language Models（递归语言模型） [07:12] 🧠 KV-Embedding: Training-free Text Embedding via Internal KV Re-routing in Decoder-only LLMs（KV-嵌入：通过仅解码器大语言模型内部KV重路由实现免训练文本嵌入） [07:51] ⚠ COMPASS: A Framework for Evaluating Organization-Specific Policy Alignment in LLMs（COMPASS：评估大语言模型中组织特定政策对齐性的框架） [08:52] 🛰 Toward Stable Semi-Supervised Remote Sensing Segmentation via Co-Guidance and Co-Fusion（通过协同引导与协同融合实现稳定的半监督遥感分割） [09:40] 🧱 SWE-Lego: Pushing the Limits of Supervised Fine-tuning for Software Issue Resolving（SWE-Lego：推动软件问题解决的监督微调极限） 【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

本期的 12 篇论文如下： [00:22] 🤖 Youtu-Agent: Scaling Agent Productivity with Automated Generation and Hybrid Policy Optimization（Youtu-Agent：通过自动化生成与混合策略优化扩展智能体生产力） [00:52] 🌍 NeoVerse: Enhancing 4D World Model with in-the-wild Monocular Videos（NeoVerse：利用野外单目视频增强4D世界模型） [01:27] 🤖 Avatar Forcing: Real-Time Interactive Head Avatar Generation for Natural Conversation（Avatar Forcing：面向自然对话的实时交互式头部虚拟人生成） [01:59] 🚀 SenseNova-MARS: Empowering Multimodal Agentic Reasoning and Search via Reinforcement Learning（SenseNova-MARS：通过强化学习赋能多模态代理推理与搜索） [02:35] 🎭 Taming Hallucinations: Boosting MLLMs' Video Understanding via Counterfactual Video Generation（驯服幻觉：通过反事实视频生成提升多模态大语言模型的视频理解能力） [03:14] 🎬 AdaGaR: Adaptive Gabor Representation for Dynamic Scene Reconstruction（AdaGaR：用于动态场景重建的自适应Gabor表示） [03:47] 🧠 Deep Delta Learning（深度Delta学习） [04:11] 🧠 Nested Learning: The Illusion of Deep Learning Architectures（嵌套学习：深度学习架构的幻象） [04:47] 🧠 Diversity or Precision? A Deep Dive into Next Token Prediction（多样性还是精确性？深入探究下一个词元预测） [05:23] 🧠 Fast-weight Product Key Memory（快速权重乘积键值记忆） [05:58] 🧬 InfoSynth: Information-Guided Benchmark Synthesis for LLMs（InfoSynth：面向大语言模型的信息引导基准合成框架） [06:28] 🌀 MorphAny3D: Unleashing the Power of Structured Latent in 3D Morphing（MorphAny3D：释放结构化隐空间在3D形变中的力量） 【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

本期的 5 篇论文如下： [00:33] TOP1(🔥132) | 🧠 mHC: Manifold-Constrained Hyper-Connections（mHC：流形约束的超连接） [02:32] TOP2(🔥100) | 🧠 Mindscape-Aware Retrieval Augmented Generation for Improved Long Context Understanding（面向提升长文本理解的思维景观感知检索增强生成） [04:45] TOP3(🔥94) | 🎬 InsertAnywhere: Bridging 4D Scene Geometry and Diffusion Models for Realistic Video Object Insertion（InsertAnywhere：连接4D场景几何与扩散模型以实现逼真的视频对象插入） [07:17] TOP4(🔥86) | 🔗 Coupling Experts and Routers in Mixture-of-Experts via an Auxiliary Loss（通过辅助损失耦合专家混合模型中的专家与路由器） [09:23] TOP5(🔥62) | 🎬 LiveTalk: Real-Time Multimodal Interactive Video Diffusion via Improved On-Policy Distillation（LiveTalk：通过改进的策略内蒸馏实现实时多模态交互式视频扩散） 【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

本期的 3 篇论文如下： [00:19] 🧠 Dynamic Large Concept Models: Latent Reasoning in an Adaptive Semantic Space（动态大型概念模型：自适应语义空间中的潜在推理） [00:56] 🧠 DiffThinker: Towards Generative Multimodal Reasoning with Diffusion Models（DiffThinker：基于扩散模型的生成式多模态推理） [01:27] 🔄 On the Role of Discreteness in Diffusion LLMs（论离散性在扩散语言模型中的作用） 【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

本期的 10 篇论文如下： [00:29] TOP1(🔥279) | 🧠 From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence（从代码基础模型到智能体与应用：代码智能实用指南） [02:22] TOP2(🔥242) | 🚀 DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models（DeepSeek-V3.2：推动开放大型语言模型前沿） [04:45] TOP3(🔥217) | 🚀 Z-Image: An Efficient Image Generation Foundation Model with Single-Stream Diffusion Transformer（Z-Image：基于单流扩散Transformer的高效图像生成基础模型） [06:47] TOP4(🔥195) | ⚙ DataFlow: An LLM-Driven Framework for Unified Data Preparation and Workflow Automation in the Era of Data-Centric AI（DataFlow：面向数据为中心AI时代的统一数据准备与工作流自动化LLM驱动框架） [09:19] TOP5(🔥181) | 🎬 LongVT: Incentivizing "Thinking with Long Videos" via Native Tool Calling（LongVT：通过原生工具调用激励“长视频思考”） [11:39] TOP6(🔥167) | 🤖 Live Avatar: Streaming Real-time Audio-Driven Avatar Generation with Infinite Length（实时虚拟化身：基于无限时长的流式实时音频驱动化身生成） [13:15] TOP7(🔥163) | 🎬 Kling-Omni Technical Report（Kling-Omni技术报告） [15:12] TOP8(🔥149) | 📊 DAComp: Benchmarking Data Agents across the Full Data Intelligence Lifecycle（DAComp：跨全数据智能生命周期的数据智能体基准测试） [17:44] TOP9(🔥146) | 🧠 Qwen3-VL Technical Report（Qwen3-VL 技术报告） [20:34] TOP10(🔥128) | 🎬 Wan-Move: Motion-controllable Video Generation via Latent Trajectory Guidance（Wan-Move：通过潜在轨迹引导实现运动可控的视频生成） 【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