191
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：
00:33 🧬 SkillClaw: Let Skills Evolve Collectively with Agentic Evolver（SkillClaw：让技能在智能体演化器中集体进化）
01:24 🔢 When Numbers Speak: Aligning Textual Numerals and Visual Instances in Text-to-Video Diffusion Models（当数字说话：在文本到视频扩散模型中实现文本数字与视觉实例的对齐）
02:22 🎨 MegaStyle: Constructing Diverse and Scalable Style Dataset via Consistent Text-to-Image Style Mapping（MegaStyle：通过一致的文本到图像风格映射构建多样且可扩展的风格数据集）
03:15 🤖 HY-Embodied-0.5: Embodied Foundation Models for Real-World Agents（HY-Embodied-0.5：面向现实世界智能体的具身基础模型）
04:07 🧠 Rethinking Generalization in Reasoning SFT: A Conditional Analysis on Optimization, Data, and Model Capability（重新审视推理监督微调中的泛化问题：关于优化、数据与模型能力的条件性分析）
04:52 🤖 ClawBench: Can AI Agents Complete Everyday Online Tasks?（ClawBench：AI智能体能否完成日常在线任务？）
05:31 📱 KnowU-Bench: Towards Interactive, Proactive, and Personalized Mobile Agent Evaluation（KnowU-Bench：迈向交互式、主动式与个性化的移动代理评估）
06:18 🧠 Externalization in LLM Agents: A Unified Review of Memory, Skills, Protocols and Harness Engineering（LLM智能体中的外部化：对记忆、技能、协议与治理工程的一体化综述）
07:09 🎭 LPM 1.0: Video-based Character Performance Model（LPM 1.0：基于视频的角色表演模型）
07:58 🧠 OpenSpatial: A Principled Data Engine for Empowering Spatial Intelligence（OpenSpatial：一个赋能空间智能的原则性数据引擎）
08:50 🧠 Act Wisely: Cultivating Meta-Cognitive Tool Use in Agentic Multimodal Models（明智行动：在智能多模态模型中培养元认知工具使用能力）
09:41 ⚡ DMax: Aggressive Parallel Decoding for dLLMs（DMax：面向扩散语言模型的激进并行解码）
10:20 🧠 Graph of Skills: Dependency-Aware Structural Retrieval for Massive Agent Skills（技能图谱：面向海量智能体技能的依赖感知结构化检索方法）
11:02 🧩 OmniJigsaw: Enhancing Omni-Modal Reasoning via Modality-Orchestrated Reordering（OmniJigsaw：通过模态编排重排序增强全模态推理）
11:41 🧠 OpenVLThinkerV2: A Generalist Multimodal Reasoning Model for Multi-domain Visual Tasks（OpenVLThinkerV2：一个面向多领域视觉任务的通用多模态推理模型）
【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
