2026.07.08 | AlayaWorld实时生成长视频；RynnWorld-4D提升机器人操作成功率

【赞助商】
OpenClaw快报
每天五分钟，听听 OpenClaw 快报，带你了解最新动态和业内讨论
传送门 www.xiaoyuzhoufm.com

【目录】
本期的 15 篇论文如下：

[00:30] 🎮 AlayaWorld: Long-Horizon and Playable Video World Generation（AlayaWorld：长视界且可游玩的视频世界生成）
[01:31] 🤖 RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation（RynnWorld-4D：面向机器人操作的4D具身世界模型）
[02:30] 🔍 Hierarchical Sparse Attention Done Right: Toward Infinite Context Modeling（分层稀疏注意力机制的正确实现：迈向无限上下文建模）
[03:36] 👁 Vision as Unified Multimodal Generation（视觉作为统一多模态生成）
[04:25] 🔦 Light-Omni: Reflex over Reasoning in Agentic Video Understanding with Long-Term Memory（光之全能：基于长期记忆的智能体视频理解中反思优于推理）
[05:25] 🎥 Parallelized Autoregressive Decoding for Omni-Modal Dense Video Captioning（并行化自回归解码用于全模态密集视频字幕生成）
[06:14] 🧠 Gemma 4 Technical Report（Gemma 4 技术报告）
[07:11] ⚡ SkillOpt-Lite: Better and Faster Agent Self-evolution via One Line of Vibe（SkillOpt-Lite：通过一行“氛围”实现更优更快的智能体自我进化）
[08:07] ⚡ DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation（DSpark：基于置信度调度的半自回归推测解码）
[09:03] 🧠 MentalThink: Shaping Thoughts in Mental SVG World（MentalThink：在思维SVG世界中塑造思想）
[09:57] 🤖 RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation（RynnWorld-Teleop：一种用于数字遥操作的动作条件世界模型）
[10:58] 🎯 TurnOPD: Making On-Policy Distillation Turn-Aware for Efficient Long-Horizon Agent Training（TurnOPD：使在线知识蒸馏具备回合感知能力以实现高效的长时程智能体训练）
[11:58] 🎨 CanvasAgent: Enabling Complex Image Creation and Editing via Visual Tool Orchestration（CanvasAgent：通过可视化工具编排实现复杂图像创建与编辑）
[13:05] 🧪 TREK: Distill to Explore, Reinforce to Refine（TREK：通过蒸馏进行探索，通过强化进行精炼）
[13:51] 🖼 PointDiT: Pixel-Space Diffusion for Monocular Geometry Estimation（PointDiT：面向单目几何估计的像素空间扩散模型）

【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