2026.05.25 | SkillOpt实现技能自进化；Lens提升文生图训练效率

【目录】
本期的 15 篇论文如下：
[00:25] 🧠 SkillOpt: Executive Strategy for Self-Evolving Agent Skills（SkillOpt：面向自进化智能体技能的执行策略）
[01:16] 🔍 Lens: Rethinking Training Efficiency for Foundational Text-to-Image Models（Lens：重新思考基础文本到图像模型的训练效率）
[02:20] 🔀 Rethinking Cross-Layer Information Routing in Diffusion Transformers（重新思考扩散变换器中的跨层信息路由）
[03:01] 🧠 SciAtlas: A Large-Scale Knowledge Graph for Automated Scientific Research（SciAtlas：面向自动化科学研究的大规模知识图谱）
[03:56] 🎙 StepAudio 2.5 Technical Report（StepAudio 2.5 技术报告）
[04:51] 👁 See What I Mean: Aligning Vision and Language Representations for Video Fine-grained Object Understanding（看懂我的意思：对齐视觉与语言表示以实现视频细粒度物体理解）
[05:50] 📸 PhotoFlow: Agentic 3D Virtual Photography Missions（PhotoFlow：智能体式的3D虚拟摄影任务）
[06:29] 🧠 From Raw Experience to Skill Consumption: A Systematic Study of Model-Generated Agent Skills（从原始经验到技能消费：模型生成智能体技能的系统性研究）
[07:28] 🎥 VGenST-Bench: A Benchmark for Spatio-Temporal Reasoning via Active Video Synthesis（VGenST-Bench：通过主动视频合成进行时空推理的基准测试）
[08:29] ⚡ PiD: Fast and High-Resolution Latent Decoding with Pixel Diffusion（PiD：基于像素扩散的快速高分辨率潜在解码）
[09:35] 🎨 RankE: End-to-End Post-Training for Discrete Text-to-Image Generation with Decoder Co-Evolution（RankE：面向离散文本到图像生成的端到端后训练与解码器协同进化）
[10:30] ✂ ETCHR: Editing To Clarify and Harness Reasoning（ETCHR：通过编辑来阐明和利用推理能力）
[11:26] 🎮 SCOPE: Simulating Cross-game Operations in Playable Environments for FPS World Models（SCOPE：在可玩环境中模拟跨游戏操作以构建FPS世界模型）
[12:14] 📡 LLMs as Noisy Channels: A Shannon Perspective on Model Capacity and Scaling Laws（大语言模型作为噪声信道：香农视角下的模型容量与缩放定律）
[13:03] 🎥 Geo-Align: Video Generation Alignment via Metric Geometry Reward（几何对齐：基于度量几何奖励的视频生成对齐方法）

【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