2026.08.04 | 长时程智能体成功率提升至八成；多说话人语音音频统一生成

【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：

[00:32] 🧭 LongHorizon-Harness: Advancing Long-Horizon Agents for Real-World Tasks（LongHorizon-Harness：推动面向真实世界任务的长时程智能体）
[01:30] 🎙 SwanTale: Unified Multi-Speaker Speech and Audio Generation for Instruct and Zero-Shot Tasks（SwanTale：面向指令与零样本任务的统一多说话人语音与音频生成）
[02:31] 🎯 VAD: Attributing Visual Evidence for Target Reconstruction in Multimodal On-Policy Distillation（VAD：在多模态在策略蒸馏中为目标重建归因视觉证据）
[03:37] 🤖 Progressive Agent Skill Generation via Reinforcement Learning（基于强化学习的渐进式智能体技能生成）
[04:39] ⚓ DAPD: Dual-Anchored Policy Distillation（双锚定策略蒸馏）
[05:37] 🧲 UEmbed: Unified Sparse and Dense Multimodal Embeddings（UEmbed：统一稀疏与稠密多模态嵌入）
[06:44] 🌍 WorldExam: Benchmarking World Models from Apparent Appearance to Inherent Reactivity（WorldExam：从表象外观到内在反应性的世界模型基准评测）
[07:54] 🔗 CADENA: Stepwise CAD Reverse Engineering（CADENA：逐步式CAD逆向工程）
[08:55] 🛠 SKT: Skill-Use Training at Scale via Verified Synthetic Data Generation（SKT：通过经验证的合成数据生成实现规模化技能使用训练）
[09:58] 🤖 SWE-Touch: Benchmarking Coding Agents When Users Touch the Code（SWE-Touch：在用户改动代码时对编码代理的基准测试）
[11:08] 🚗 Deferred Exposure of Future Trajectories for Verifiable Reasoning in Autonomous Driving VLMs（自动驾驶视觉语言模型中用于可验证推理的未来轨迹延迟暴露）
[12:09] 🧠 WCM: A World Critic Model for Vision-Language-Action Reinforcement Learning（WCM：面向视觉-语言-动作强化学习的世界评论家模型）
[13:05] 🔄 Motion Beyond Morphology: Bootstrapping Cross-Category Motion Transfer from Abstract Motion Representations（超越形态的运动：从抽象运动表征引导跨类别运动迁移）
[14:04] 🧠 GradCuit: Credit-Assigned Gradient Flow Enables Robust and Interpretable Test-Time Latent Reasoning（GradCuit：信用分配的梯度流实现稳健且可解释的测试时潜在推理）
[14:59] 🛋 Roomer: Reflective Object-Grounded Model Editing and Repair for 3D Indoor Layout Synthesis（Roomer：面向三维室内布局合成的反思式对象级模型编辑与修复）

【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