本期的 15 篇论文如下:
00:25 🎨 DDT: Decoupled Diffusion Transformer(解耦扩散Transformer)
01:05 🎬 GenDoP: Auto-regressive Camera Trajectory Generation as a Director of Photography(GenDoP:基于自回归的相机轨迹生成,如同电影摄影师一般)
01:49 🔍 OLMoTrace: Tracing Language Model Outputs Back to Trillions of Training Tokens(OLMoTrace:将语言模型的输出追溯到数万亿的训练文本)
02:28 🖼 A Unified Agentic Framework for Evaluating Conditional Image Generation(用于评估条件图像生成的统一代理框架)
03:11 🤔 Missing Premise exacerbates Overthinking: Are Reasoning Models losing Critical Thinking Skill?(缺失前提加剧过度思考:推理模型是否正在丧失批判性思维能力?)
03:57 🗣 FantasyTalking: Realistic Talking Portrait Generation via Coherent Motion Synthesis(FantasyTalking:通过连贯运动合成生成逼真会说话的人像)
04:34 🧐 A Sober Look at Progress in Language Model Reasoning: Pitfalls and Paths to Reproducibility(冷静看待语言模型推理的进展:陷阱与可复现性之路)
05:15 🖼 OmniCaptioner: One Captioner to Rule Them All(万能字幕器:一统天下的字幕生成器)
05:57 🧩 Are We Done with Object-Centric Learning?(以对象为中心的学习是否已经结束?)
06:35 🤖 Self-Steering Language Models(自导向语言模型)
07:09 🇷 RuOpinionNE-2024: Extraction of Opinion Tuples from Russian News Texts(RuOpinionNE-2024:从俄语新闻文本中提取观点元组)
07:51 🤖 Masked Scene Modeling: Narrowing the Gap Between Supervised and Self-Supervised Learning in 3D Scene Understanding(掩码场景建模:缩小3D场景理解中监督学习和自监督学习之间的差距)
08:30 👂 DiTaiListener: Controllable High Fidelity Listener Video Generation with Diffusion(DiTaiListener:基于扩散模型的可控高保真听者视频生成)
09:05 🤖 VideoChat-R1: Enhancing Spatio-Temporal Perception via Reinforcement Fine-Tuning(VideoChat-R1:通过强化微调增强时空感知能力)
09:47 🤖 WildGS-SLAM: Monocular Gaussian Splatting SLAM in Dynamic Environments(WildGS-SLAM:动态环境下的单目高斯溅射SLAM)

【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

👋你好!
我是一名在努力平衡理想和实践的大学生,
正处在迷茫探索的阶段,
特别感激您此时给予的信任和帮助🙏
我是谁?为什么要访谈?
我是华南理工大学新闻与传播学院广告学大四毕业生,已保研至西安交通大学网络与新媒体专业,
正在做科技传播和播客内容质量的研究,
致力于构建一套科技播客内容质量评价体系,
因此希望通过访谈了解大家对科技播客内容的看法~
我想和你聊什么?怎么聊?
如果你经常收听科技播客(如小宇宙平台上的硅谷 101、科技早知道、科技乱炖、乱翻书等),
且对科技播客内容有自己的见解和建议,
想要和其他听众交流分享,
希望能邀请你进行 30~45min 的访谈
非常期待您的分享!
基于小宇宙的研究,有可能在小宇宙平台找到访谈对象吗🥹,拜托大家了(vx:CsusYtainXable)
有偿,大学生的经济能力只能提供一份奶茶或者甜品报销🤣,如果日后有其他能帮上忙的也可以随时交流~