170
0【赞助商】
通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事
传送门 🔗www.xiaoyuzhoufm.com
【目录】
本期的 15 篇论文如下：
00:32 🧪 Omni-WorldBench: Towards a Comprehensive Interaction-Centric Evaluation for World Models（Omni-WorldBench：迈向面向世界模型的全面交互中心化评估）
01:13 🚀 Speed by Simplicity: A Single-Stream Architecture for Fast Audio-Video Generative Foundation Model（速度源于简洁：用于快速音视频生成基础模型的单流架构）
01:55 🧠 LongCat-Flash-Prover: Advancing Native Formal Reasoning via Agentic Tool-Integrated Reinforcement Learning（LongCat-Flash-Prover：通过智能体工具集成强化学习推进原生形式推理）
02:42 🔍 VideoDetective: Clue Hunting via both Extrinsic Query and Intrinsic Relevance for Long Video Understanding（VideoDetective：基于外部查询与内部相关性的线索搜寻用于长视频理解）
03:30 🧠 SpatialBoost: Enhancing Visual Representation through Language-Guided Reasoning（SpatialBoost：通过语言引导推理增强视觉表征）
04:10 🎯 F4Splat: Feed-Forward Predictive Densification for Feed-Forward 3D Gaussian Splatting（F4Splat：用于前馈3D高斯泼溅的前馈预测性致密化）
05:03 🎬 Manifold-Aware Exploration for Reinforcement Learning in Video Generation（面向视频生成的强化学习中的流形感知探索）
05:56 ⚖ mSFT: Addressing Dataset Mixtures Overfiting Heterogeneously in Multi-task SFT（mSFT：解决多任务监督微调中数据集混合的异质过拟合问题）
06:46 🧠 Group3D: MLLM-Driven Semantic Grouping for Open-Vocabulary 3D Object Detection（Group3D：基于多模态大语言模型的语义分组开放词汇3D物体检测）
07:35 🔄 Repurposing Geometric Foundation Models for Multi-view Diffusion（几何基础模型在多视角扩散中的再利用）
08:21 🤖 RoboAlign: Learning Test-Time Reasoning for Language-Action Alignment in Vision-Language-Action Models（RoboAlign：学习视觉-语言-动作模型中语言-动作对齐的测试时推理）
09:15 🔍 OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis（OpenResearcher：一个完全开源的深度研究长程轨迹合成流程）
10:02 💭 BubbleRAG: Evidence-Driven Retrieval-Augmented Generation for Black-Box Knowledge Graphs（BubbleRAG：面向黑盒知识图谱的证据驱动检索增强生成）
10:54 ⚖ SEM: Sparse Embedding Modulation for Post-Hoc Debiasing of Vision-Language Models（SEM：用于视觉语言模型事后去偏的稀疏嵌入调制）
11:43 🧭 On the Direction of RLVR Updates for LLM Reasoning: Identification and Exploitation（论RLVR更新方向对LLM推理的影响：识别与利用）
【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
