132
0本期的 15 篇论文如下：
00:24 🖼 Step1X-Edit: A Practical Framework for General Image Editing（Step1X-Edit：一个通用的图像编辑实用框架）
01:05 🖼 RefVNLI: Towards Scalable Evaluation of Subject-driven Text-to-image Generation（RefVNLI：面向主体驱动的文本到图像生成的可扩展评估）
01:48 🤖 Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning（Paper2Code：从机器学习科学论文中自动生成代码）
02:22 🖼 Breaking the Modality Barrier: Universal Embedding Learning with Multimodal LLMs（打破模态壁垒：基于多模态大型语言模型的通用嵌入学习）
03:02 🧠 Perspective-Aware Reasoning in Vision-Language Models via Mental Imagery Simulation（基于心智图像模拟的视觉-语言模型中的视角感知推理）
03:42 ⚖ QuaDMix: Quality-Diversity Balanced Data Selection for Efficient LLM Pretraining（QuaDMix：面向高效LLM预训练的质量-多样性平衡数据选择）
04:19 🖼 Token-Shuffle: Towards High-Resolution Image Generation with Autoregressive Models（Token-Shuffle：面向自回归模型的高分辨率图像生成）
04:58 🖼 Distilling semantically aware orders for autoregressive image generation（用于自回归图像生成的语义感知顺序蒸馏）
05:38 🗜 DyMU: Dynamic Merging and Virtual Unmerging for Efficient VLMs（DyMU：用于高效视觉语言模型的动态合并与虚拟解合并）
06:17 🇪 IberBench: LLM Evaluation on Iberian Languages（IberBench：伊比利亚语系的大语言模型评测基准）
07:01 🧠 Process Reward Models That Think（思考过程奖励模型）
07:46 🎨 Boosting Generative Image Modeling via Joint Image-Feature Synthesis（通过联合图像-特征合成增强生成图像建模）
08:21 🎬 ViSMaP: Unsupervised Hour-long Video Summarisation by Meta-Prompting（ViSMaP：基于元提示的无监督小时级视频摘要）
09:02 👗 3DV-TON: Textured 3D-Guided Consistent Video Try-on via Diffusion Models（3DV-TON：基于扩散模型的纹理3D引导一致性视频试穿）
09:44 📹 TimeChat-Online: 80% Visual Tokens are Naturally Redundant in Streaming Videos（TimeChat-Online：在线流媒体视频中 80% 的视觉 tokens 天然冗余）
【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
