80
0⏱️ Highlights
00:26 🌊 Wave Forcing: Towards Speed-of-Light Streaming Video Generation（Wave Forcing：迈向光速的流式视频生成）
01:01 🎬 Video Generation Meets Agent Harness: Agentic Video Generation, Agentic World Modeling and Recursive Self-Improvement（当视频生成遇上智能体运行框架：智能体式视频生成、智能体式世界建模与递归自我改进）
01:40 🤝 CoworkOS:Scaling Agent Coworkers for Real-world Automation（CoworkOS：扩展面向现实世界自动化的智能体同事）
02:18 🦾 Democratizing Robot-Use Agents: A Unified Harness with Open Models（让机器人使用智能体更普及：采用开放模型的统一运行框架）
02:55 🖥️ CUA-Master: Scaling Computer-use Agents through Open-World Recursive Improvements（CUA-Master：通过开放世界递归改进扩展计算机使用智能体）
03:33 🧭 NorthCUA Technical Report: Turbocharging Computer-Use Agents through Experience at Scale（NorthCUA 技术报告：通过规模化经验加速计算机使用智能体）
04:13 ↩️ Lost in Recovery: Demystifying Recovery Behavior of Computer-Use Agents via Goal-Oriented Action Replay（迷失于恢复：通过目标导向动作重放揭示计算机使用智能体的恢复行为）
04:51 👁️ Reviso: Not All Visual Evidence Deserves Equal Attention in Video Captioning（Reviso：视频描述中，并非所有视觉证据都值得同等关注）
05:30 🧩 From Fragmentation to Fusion: A Survey and Roadmap for Omnimodal Embeddings（从碎片化到融合：全模态嵌入的综述与路线图）
06:07 💻 CrossSWE: Benchmarking Cross-Repository Joint Development for Coding Agents（CrossSWE：评测编程智能体的跨仓库联合开发）
06:48 📷 PhotoGuider: Composition-Aware Cropping and 360^{circ} View Framing with Explainable Photographic Assessments（PhotoGuider：结合可解释摄影评估的构图感知裁剪与360°视角取景）
07:25 🙋 Avatar Intelligence: Amplifying Human Agency Through Persistent Personal Agents（Avatar Intelligence：通过持久个人智能体增强人的自主行动能力）
08:05 🔢 Diagnosing the Reference Gap: What Visual Scaffolds Can and Cannot Fix in Multimodal Reasoning（诊断指代鸿沟：视觉支架在多模态推理中能与不能修复什么）
08:42 📑 DecisionRank: On-Policy Distillation for Decision-Model Rerankers（DecisionRank：面向决策模型重排器的在策略蒸馏）
09:21 🔎 DeFT-RAG: Decomposing Multi-Hop Questions into Self-Contained Sub-Questions with Reusable Answers（DeFT-RAG：将多跳问题分解为答案可复用的自足子问题）
【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
