103
0本期的 20 篇论文如下：
00:26 🤔 The Differences Between Direct Alignment Algorithms are a Blur（直接对齐算法的差异逐渐模糊）
01:07 🤖 OmniHuman-1: Rethinking the Scaling-Up of One-Stage Conditioned Human Animation Models（OmniHuman-1：重新思考单阶段条件式人体动画模型的放大）
01:48 💡 Process Reinforcement through Implicit Rewards（基于隐式奖励的过程强化）
02:36 ⚖ Preference Leakage: A Contamination Problem in LLM-as-a-judge（偏好泄露：LLM即评判器中的污染问题）
03:14 🛡 SafeRAG: Benchmarking Security in Retrieval-Augmented Generation of Large Language Model（SafeRAG：评估大语言模型检索增强生成中的安全性）
04:02 🚀 FastKV: KV Cache Compression for Fast Long-Context Processing with Token-Selective Propagation（FastKV：通过令牌选择性传播实现快速长文本处理的KV缓存压缩）
04:50 🌍 AIN: The Arabic INclusive Large Multimodal Model（AIN：阿拉伯语包容性大型多模态模型）
05:39 🧠 DeepRAG: Thinking to Retrieval Step by Step for Large Language Models（DeepRAG：面向大型语言模型的逐步思考检索）
06:30 🤔 MM-IQ: Benchmarking Human-Like Abstraction and Reasoning in Multimodal Models（MM-IQ：多模态模型中类人抽象与推理能力的基准测试）
07:19 🛡 Almost Surely Safe Alignment of Large Language Models at Inference-Time（大语言模型在推理时近乎完全安全的对齐）
08:04 🤔 ZebraLogic: On the Scaling Limits of LLMs for Logical Reasoning（ZebraLogic：关于大型语言模型在逻辑推理中的扩展极限）
08:49 🤔 The Jumping Reasoning Curve? Tracking the Evolution of Reasoning Performance in GPT-[n] and o-[n] Models on Multimodal Puzzles（跳跃的推理曲线？追踪GPT-[n]和o-[n]模型在多模态谜题上的推理性能演变）
09:38 🎮 Improving Transformer World Models for Data-Efficient RL（改进Transformer世界模型以实现数据高效的强化学习）
10:22 💡 Improved Training Technique for Latent Consistency Models（改进的潜在一致性模型训练技术）
11:07 🧠 Scaling Embedding Layers in Language Models（语言模型中扩展嵌入层）
11:42 🎨 SliderSpace: Decomposing the Visual Capabilities of Diffusion Models（SliderSpace：解构扩散模型的视觉能力）
12:24 🤔 PhD Knowledge Not Required: A Reasoning Challenge for Large Language Models（无需博士知识：大型语言模型的推理挑战）
13:08 🧠 Lifelong Sequential Knowledge Editing without Model Degradation（终身序列知识编辑，且不降低模型性能）
13:46 🔬 Current Pathology Foundation Models are unrobust to Medical Center Differences（当前病理学基础模型对于医疗中心差异不具有鲁棒性）
14:37 🫀 A Study on the Performance of U-Net Modifications in Retroperitoneal Tumor Segmentation（U-Net改进模型在腹膜后肿瘤分割中的性能研究）
【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
