50
0【目录】
本期的 15 篇论文如下：
00:24 🎬 Making MLLM Latents Matter: Factor-Aware Predictive Learning for Cinematic Video Generation（让MLLM潜变量发挥作用：面向电影级视频生成的因子感知预测学习）
01:07 🔍 Deep Search in Real-World Web Environments（真实世界网络环境中的深度搜索）
01:48 👁 WeVisOne-VL: Unified Visual Perception from Objects to Pixels（WeVisOne-VL：从物体到像素的统一视觉感知）
02:34 🧩 Editing Images into Reusable Layers via Compositional Edit-Prior Distillation（通过组合式编辑先验蒸馏将图像编辑为可复用图层）
03:15 🤖 IQuest-Q1: Advancing Foundation Capabilities for Agentic CLI Systems（IQuest-Q1：提升面向智能体 CLI 系统的基础能力）
03:58 🤖 Toward Recursive Self-Improvement in Physical AI（迈向物理人工智能中的递归自我改进）
04:38 🧠 Deep Fusion Memory: A Chunk-Level Parametric Memory for Large Language Models（深度融合记忆：面向大语言模型的块级参数化记忆）
05:27 🔍 What Generation Knows: Unlocking Fine-Grained Understanding in Unified Multimodal Models（生成知道什么：解锁统一多模态模型中的细粒度理解）
06:18 🌍 LaLa-World: Scaling Latent World Models with Natural Language Actions（LaLa-World：以自然语言动作扩展潜在世界模型）
07:11 🧩 Meta Expert: Cross-Layer Expert Sharing for Storage- and Retrieval-Efficient MoE（Meta Expert：面向存储与检索高效的跨层专家共享 MoE）
08:05 🎧 Heartbeat Thinking: Speculative Reasoning and Tool Execution While Listening in Realtime Voice Agents（心跳思考：实时语音代理在聆听过程中的推测性推理与工具执行）
08:47 🎛 Policy-Mask: Budget-Aware Adaptation of Diffusion Features to Discriminative Tasks（Policy-Mask：面向判别任务的扩散特征预算感知适配）
09:31 🎬 Code2Video-Compass: A Comprehensive Benchmark for General-Purpose Code-Based Video Generation across T2V, I2V, and V2V（Code2Video-Compass：面向T2V、I2V和V2V的通用代码视频生成综合基准）
10:16 🧠 Cola2: Co-Adaptive Hierarchical Language Modeling with Continuous Semantic Compression and Balanced Discrete Generation（Cola2：具有连续语义压缩与平衡离散生成的协同自适应分层语言建模）
11:01 🎥 Beyond Watching and Searching: Benchmarking Agents for Video-centered Deep Research Reports（超越观看与搜索：面向以视频为中心的深度研究报告的智能体基准测试）
【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
