116
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 🔍 WildDet3D: Scaling Promptable 3D Detection in the Wild（WildDet3D：可扩展的野外可提示三维检测）
01:39 🔧 FORGE:Fine-grained Multimodal Evaluation for Manufacturing Scenarios（FORGE：面向制造场景的细粒度多模态评估）
02:25 🔍 RefineAnything: Multimodal Region-Specific Refinement for Perfect Local Details（RefineAnything：面向完美局部细节的多模态区域特定精细化）
02:58 🔍 EXAONE 4.5 Technical Report（EXAONE 4.5 技术报告）
03:56 🎮 Matrix-Game 3.0: Real-Time and Streaming Interactive World Model with Long-Horizon Memory（Matrix-Game 3.0：具备长时记忆的实时流式交互世界模型）
04:47 ⚡ ECHO: Efficient Chest X-ray Report Generation with One-step Block Diffusion（ECHO：基于一步块扩散的高效胸部X光报告生成）
05:40 ♻ ELT: Elastic Looped Transformers for Visual Generation（ELT：用于视觉生成的弹性循环Transformer）
06:25 🔍 VisionFoundry: Teaching VLMs Visual Perception with Synthetic Images（VisionFoundry：利用合成图像教授视觉语言模型视觉感知）
07:19 🧠 Structured Causal Video Reasoning via Multi-Objective Alignment（通过多目标对齐实现结构化因果视频推理）
08:11 ⚠ Backdoor Attacks on Decentralised Post-Training（去中心化后训练中的后门攻击）
08:58 🧠 AgentSwing: Adaptive Parallel Context Management Routing for Long-Horizon Web Agents（AgentSwing：面向长视野网络智能体的自适应并行上下文管理路由）
09:55 ⚠ Large Language Models Generate Harmful Content Using a Distinct, Unified Mechanism（大语言模型通过一种独特且统一的机制生成有害内容）
10:49 🎭 Cross-Modal Emotion Transfer for Emotion Editing in Talking Face Video（面向说话人脸视频情感编辑的跨模态情感迁移）
11:28 🔍 ScheMatiQ: From Research Question to Structured Data through Interactive Schema Discovery（ScheMatiQ：从研究问题到结构化数据——通过交互式模式发现）
12:17 🔍 $p1$: Better Prompt Optimization with Fewer Prompts（p1：用更少的提示实现更好的提示优化）
【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
