【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 5 篇论文如下： [00:50] TOP1(🔥609) | 🕵 False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents（虚假前沿：诊断与缓解自演化搜索智能体中的共同作弊） [02:49] TOP2(🔥563) | 🤖 Raven: The Harness of Harnesses for Composable Agentic Intelligence（Raven：面向可组合智能体智能的“框架之框架”） [05:15] TOP3(🔥532) | 🧭 The Teacher Is a Direction, Not a Destination: Extrapolating RL-Induced Representation Residuals in On-Policy Distillation（教师是方向，而非终点：在在线策略蒸馏中外推强化学习诱导的表征残差） [07:52] TOP4(🔥467) | 🔁 LoopVL: Recurrent Visual Intelligence（LoopVL：循环视觉智能） [09:59] TOP5(🔥411) | 🎨 MaLiang-Harness: A Programmable Path to Image and Video Generation（MaLiang-Harness：通往图像与视频生成的可编程路径） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:29] 🎥 OneStreamer: Unifying Perception, Memory, and Proactive Response in Streaming Video Interaction（OneStreamer：统一流式视频交互中的感知、记忆与主动响应） [01:11] 🔀 Adaptive Reward Routing: Dynamic Multi-Reward Optimization for Joint Audio-Video Diffusion via Forward-Process RL（自适应奖励路由：通过前向过程强化学习实现联合音视频扩散的动态多奖励优化） [01:55] 🧠 Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States（超越记忆：利用显式信念状态驾驭长时程智能体） [02:38] 🤖 Agent Priors-guided Policy Learning（智能体先验引导的策略学习） [03:25] 🌀 Hierarchical Continuous Diffusion Language Models（分层连续扩散语言模型） [04:03] 👁 World Observer: Joint Actor-Observer Generation for Persistent World Modeling（World Observer：面向持久世界建模的联合行动者-观察者生成） [04:54] 📉 Sharpening Tax in Post-Training（后训练中的锐化税） [05:39] 🎯 ActiveSaddler: Automated Curriculum Learning for Agent Harness Optimization（ActiveSaddler：面向智能体执行框架优化的自动化课程学习） [06:22] 🤖 A Missing Piece for Trustworthy AI Reviewers: From Benchmarking Rhetorical Robustness to SciCore Review（可信AI审稿人缺失的一环：从修辞鲁棒性基准测试到SciCore评审） [07:08] 🎮 ROWBench: Do Video Models Render What the Program Specifies?（ROWBench：视频模型能否渲染程序所指定的内容？） [07:55] 🤖 AutoGUIWorld: Image Generators as Visual World Models for GUI Agent（AutoGUIWorld：将图像生成器用作 GUI 智能体的视觉世界模型） [08:39] 🔍 Retrieval-Augmented Skill Optimization via Cross-Harness Adaptation（基于跨执行框架适配的检索增强技能优化） [09:23] ⚖ Make Sparse Rewards Count: Density-Aware Reward Aggregation for Multi-Reward RL（让稀疏奖励算数：多奖励强化学习中的密度感知奖励聚合） [10:05] 🤖 Decentralized Master-Mind: Joint Action Refinement through Iterative Intent Denoising in Multi-Agent Pathfinding（去中心化 Master-Mind：多智能体路径规划中通过迭代意图去噪的联合动作精炼） [11:02] 🧩 E-MoE: Enhanced Mixture-of-Experts for Non-Factorized Diffusion Language Models（E-MoE：面向非因子化扩散语言模型的增强混合专家） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:27] 🧭 The Teacher Is a Direction, Not a Destination: Extrapolating RL-Induced Representation Residuals in On-Policy Distillation（教师是方向，而非终点：在在线策略蒸馏中外推强化学习诱导的表征残差） [01:11] 🪞 UniEvo-VL: An On-policy Self-Distillation Training Recipe for Multimodal Model Self-improvement（UniEvo-VL：面向多模态模型自我改进的在线策略自蒸馏训练方案） [01:54] 🕵 False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents（虚假前沿：诊断与缓解自演化搜索智能体中的共同作弊） [02:42] 🤖 AREX-2: Advancing Self-Improving Agents through Long-Horizon Reflective Tasks（AREX-2：通过长时程反思任务推进自我改进智能体） [03:29] 🖥 Mid-Harness: Scaling Actions Between Model and Harness for Terminal Agents（Mid-Harness：在模型与执行框架之间扩展终端智能体的动作） [04:09] 🧬 EvoDuet: Bilevel Co-Evolution of Web Searching and Task Solving for Scientific Discovery（EvoDuet：面向科学发现的网络搜索与任务求解双层协同演化） [05:01] 🕵 WorldAuditBench: Interactive 3D World Auditing with Multimodal Agents（WorldAuditBench：使用多模态智能体进行交互式3D世界审计） [05:47] 🛠 Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI（测试时 AI4AI 中面向智能体执行框架设计的元技能学习） [06:26] 🧠 EVOKE: Eliciting World Knowledge in Agents for Transferable Decision-Making（EVOKE：激发智能体中的世界知识以实现可迁移决策） [07:12] 🎮 RSIGame: Autonomous Agentic Game Development with Recursive Self-improvement（RSIGame：具备递归自我改进能力的自主智能体游戏开发） [07:53] 📉 More Choices, Fewer Decisions: Ordinal-Scale Bias in JEV-like Direct-Decision Models（更多选择，更少决策：类JEV直接决策模型中的序数尺度偏差） [08:45] 🧠 Imagine3D-LLM: Teaching MLLMs to Imagine 3D Scenes Before Answering（Imagine3D-LLM：教会多模态大语言模型在回答前想象3D场景） [09:31] 🛠 Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training（智能体错误数据集：面向失败分析与错误感知后训练，规模化构建5万条错误—诊断配对） [10:21] 🏮 LANTERN: Illuminating Hidden Mathematical Knowledge in Language Models（LANTERN：照亮语言模型中的隐藏数学知识） [11:05] 🖼 It's Not What the Image Shows: Irrelevant Context Destabilises VLM Judges Without Informing Them（并非图像所示：无关上下文会扰乱 VLM 评判模型却不为其提供信息） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 10 篇论文如下： [00:38] TOP1(🔥810) | 🧠 LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence（LimiX-2：面向通用结构化数据智能的上下文机制网络） [02:36] TOP2(🔥704) | 🎬 Vidu S2: Real-Time Interactive, Editable, and Spatial Video Generation（Vidu S2：实时交互、可编辑与空间视频生成） [04:41] TOP3(🔥494) | 🤖 Raven: The Harness of Harnesses for Composable Agentic Intelligence（Raven：面向可组合智能体智能的“框架之框架”） [06:43] TOP4(🔥493) | 🎓 StudentSim: Training LLM-based Student Simulators（StudentSim：训练基于大语言模型的学生模拟器） [08:51] TOP5(🔥484) | 🤖 Scaling Automatic Research Agents via World Models（通过世界模型扩展自动研究智能体） [11:10] TOP6(🔥431) | 🤖 Atria Dawn: The Dawn of Agentic Superintelligence（Atria Dawn：智能体超级智能的黎明） [13:35] TOP7(🔥396) | 🤖 Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills（从仓库到技能：将GitHub代码库蒸馏为AI4AI技能） [15:38] TOP8(🔥382) | 🎨 MaLiang-Harness: A Programmable Path to Image and Video Generation（MaLiang-Harness：通往图像与视频生成的可编程路径） [17:42] TOP9(🔥376) | 🧠 Continual Learning Mechanisms Compose for Long-Horizon Memorization（持续学习机制组合用于长时程记忆） [19:55] TOP10(🔥358) | 🤖 In-Context Learning for Robots: Methods and Applications（面向机器人的上下文学习：方法与应用） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 5 篇论文如下： [00:48] TOP1(🔥236) | 🧠 Training Object Permanence in World Models（在世界模型中训练客体永久性） [03:10] TOP2(🔥235) | 🎓 OmniEdu: Open Foundation Models for Learning and Teaching（OmniEdu：面向学习与教学的开放基础模型） [05:22] TOP3(🔥218) | 🧬 RRSI: Regularized Recursive Self-Improvement of Agent Harnesses（RRSI：智能体运行框架的正则化递归自我改进） [07:44] TOP4(🔥217) | 🎙 Realtime-Venus: A full-duplex interaction system with asynchronous delegation（Realtime-Venus：一种支持异步委派的全双工交互系统） [09:47] TOP5(🔥160) | 🧭 The Tasteful Agent: Measuring and Improving Taste in Long-Horizon Tasks（有品味的智能体：长时程任务中的品味测量与提升） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:28] 🧩 FuseReg: Regularizing Layer Fusion Mitigates the Reconstruction-Generation Gap in Representation Autoencoders（FuseReg：正则化层融合缓解表征自编码器中的重建-生成差距） [01:12] 🔗 RayOrch: Programming and Executing Lineage-Controlled Multi-Grain Dataflows for Foundation-Model Data Preparation（RayOrch：面向基础模型数据准备的受血缘控制多粒度数据流编程与执行） [01:58] ⚡ Block Sparse Attention with Log-Linear Complexity（对数线性复杂度的块稀疏注意力） [02:40] 🤖 InternW0-$Δ$: A World Action Model Bridging Predictive Dynamics and Actions with 20K+ Hours of Open Data（InternW0-Δ：一个连接预测动态与动作、基于20K+小时开放数据的世界动作模型） [03:24] 🖐 Tactile-JEPA: Topology-Aware Self-Supervised Representation Learning for Distributed Tactile Sensors（Tactile-JEPA：面向分布式触觉传感器的拓扑感知自监督表示学习） [04:11] 🛰 Enhancing Photogrammetric Digital Surface Models with Pretrained Diffusion Models and Multimodal Conditioning（利用预训练扩散模型与多模态条件增强摄影测量数字表面模型） [04:58] 👁 FoMo: Forking Moment in Generative Trajectory as a Perceptual Distance（FoMo：生成轨迹中的分叉时刻作为感知距离） [05:42] 📊 Jev in the Wild: A Data-Driven Analysis of the Jev Model's Functionality, Applications and Ecosystem（真实环境中的 Jev：Jev 模型功能、应用与生态的数据驱动分析） [06:30] 🎯 TrackEverything: Long Horizon Dense Tracking via De-Duplicating 3D Scene Representations（TrackEverything：通过去重3D场景表示实现长时程密集跟踪） [07:21] 🧩 SLCA-GRPO: Resolving Cross-Segment Credit Misattribution in Tool-Calling RL（SLCA-GRPO：解决工具调用强化学习中的跨段信用误归因） [08:08] 🎯 CARD: Cluster-level Adaptation with Reward-guided Decoding for Personalized Text Generation（CARD：面向个性化文本生成的聚类级适配与奖励引导解码） [08:54] ⚖ Do Implicit Personalization and Explicit Styles Conflict? PsPLUG: A Lightweight Plug-in for Balancing Personalization and Style in Customized LLMs（隐式个性化与显式风格会冲突吗？PsPLUG：用于平衡定制化 LLM 中个性化与风格的轻量级插件） [09:41] 🤝 AgentWorld: Benchmarking Long-Horizon Collaboration of Multi-agent LLMs（AgentWorld：多智能体大语言模型长时程协作基准测试） [10:24] 🎮 Game Arena: Strategic LLM Evaluation in Competitive Environments（游戏竞技场：竞争环境中的大语言模型策略评估） [11:08] 🏦 IndicBankBench: Evaluating Safety and Reliability of Language Model Assistants in Indian Retail Banking（IndicBankBench：评估印度零售银行中语言模型助手的安全性与可靠性） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:27] 🧠 Training Object Permanence in World Models（在世界模型中训练客体永久性） [01:12] 🧠 Your Transformer Can Hold Two Thoughts at Once: Evidence of Linear Superposition in LLMs（你的Transformer能同时容纳两个想法：LLM中线性叠加的证据） [01:53] 🎬 WanPE: Towards Cinematic Prompt Enhancement for Modern Text-to-Video Generation（WanPE：面向现代文本到视频生成的电影级提示增强） [02:40] 🧭 OmniEcho: Audio-Visual Spatial Understanding for Omni-Modal Embodied Agents（OmniEcho：面向全模态具身智能体的音视频空间理解） [03:18] 🤖 Agent-Editing World Model: Rethinking World Modeling for LLM Agents（智能体编辑世界模型：为LLM智能体重新思考世界建模） [04:05] 🧩 Parts-of-Speech as Emergent Categories in SAE Latent Space（词性作为SAE潜空间中的涌现类别） [04:46] 🤖 Qwen-Planner-Agent: A Closed-Loop AI-for-AI Framework for Real-World Mobile Planner Agents（Qwen-Planner-Agent：面向真实世界移动规划智能体的闭环 AI-for-AI 框架） [05:20] 🔍 IterSynth: Rethinking Deep Search Agents via Role-Decoupled Iterative Synthesis（IterSynth：通过角色解耦的迭代合成重新思考深度搜索智能体） [06:04] 🤖 Coding Agents for Generalized Task and Motion Planning Problems（面向泛化任务与运动规划问题的编码智能体） [06:49] 🧠 Neural Spectral Capacity: Measuring and Designing Architectures from Network Specification Alone（神经谱容量：仅凭网络规格测量与设计架构） [07:28] 🛡 AgentKernel: The Trust-Native Agentic Operating System（AgentKernel：信任原生的智能体操作系统） [08:15] 🧪 Rufus-Air: An Open LLM Post-Training Recipe（Rufus-Air：开放的大语言模型后训练配方） [08:59] 🤖 PUBG Ally: A Conversational Embodied Agent as an AI Teammate（PUBG Ally：作为AI队友的对话式具身智能体） [09:44] 🤖 World Action Agent: Harnessing VLMs for Robot Manipulation via World Action Rehearsal（世界动作智能体：利用视觉语言模型通过世界动作预演实现机器人操作） [10:27] 🛸 ExplorationBench: Measuring AI Systems' Exploration in Verifiable Alien Worlds（ExplorationBench：测量 AI 系统在可验证异星世界中的探索能力） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:28] 🧠 SpeakerMem-R1: Speaker-Centered Dual-Track Memory for Multi-Party Dialogue（SpeakerMem-R1：以说话者为中心的多方对话双轨记忆） [01:13] 🤖 Spatial-Interactor: Learning Spatial Reasoning through Interaction with the Observable Physical World（Spatial-Interactor：通过与可观测物理世界交互学习空间推理） [01:59] 🌍 HappyWorld-Bench（快乐世界基准（HappyWorld-Bench）） [02:40] 🧠 The Past Frames the Future: Memory for Autoregressive Video Generation（过往帧塑造未来：自回归视频生成中的记忆机制） [03:29] 🧠 Just-in-Time Memory: Learning to Curate Task-Adaptive Memory for LLM Agents（即时记忆：学习为LLM智能体整理任务自适应记忆） [04:11] 🎬 RewardVerse: Rubric-Guided Policy Optimization for Video Reward Modeling（RewardVerse：面向视频奖励建模的评分量规引导策略优化） [05:00] 🎯 PACT: From Credit Assignment to Critic Alignment（PACT：从信用分配到评论家对齐） [05:43] 🧪 Schrödinger's Code Repository: Have LLMs Learned SWE-bench or Memorized It?（薛定谔的代码仓库：LLM 是学会了 SWE-bench，还是记住了它？） [06:24] 📐 GeoPair: Geometry-Preserving Cross-Layer Factorization for Training-Free Transformer Compression（GeoPair：用于免训练 Transformer 压缩的几何保持跨层因子分解） [07:00] 📦 PackLab: A Comprehensive Framework for Developing, Training, and Evaluating MLLMs in Robotic Bin Packing（PackLab：在机器人装箱中开发、训练与评估多模态大语言模型的综合框架） [07:53] 🧠 MemBodied: Recurrent Associative Memory for Vision-Language-Action Models（MemBodied：面向视觉-语言-动作模型的循环联想记忆） [08:39] 🧪 WhatWorkedBench: Benchmarking Experimental Understanding in AI Agents（WhatWorkedBench：基准测试AI智能体的实验理解能力） [09:21] 🧠 Hunyuan-A13B Technical Report（混元-A13B 技术报告） [10:03] 🎮 Verifiable Hidden Dynamics Play: Generating Agentic RL Environments from Solved Mechanisms（可验证隐藏动力学游戏：从已求解机制生成智能体强化学习环境） [10:45] 🎥 All modalities are equal, but video is more equal: Closing the Cross-Attention Gap in Joint Video Generation（所有模态都是平等的，但视频更平等：弥合联合视频生成中的交叉注意力差距） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:28] 🤖 Transferring the Intelligence of VLMs to Robotic Control（将VLM的智能迁移至机器人控制） [01:11] 🎥 WorldCrafter: Consistent Video World Model with Implicit 3D-aware Memory（WorldCrafter：具有隐式3D感知记忆的一致视频世界模型） [01:53] 🎮 GameHorizon Suite: Multi-Horizon Data and Evaluation in Gameplay（GameHorizon 套件：游戏玩法中的多时间跨度数据与评估） [02:35] 🧬 RRSI: Regularized Recursive Self-Improvement of Agent Harnesses（RRSI：智能体运行框架的正则化递归自我改进） [03:20] 📄 Document Retrieval-Aware Chunking (D-RAC): Universal Retrieval-Aware Ingestion of Enterprise Documents via PDF Normalization and Multimodal Markdown Conversion（文档检索感知分块（D-RAC）：通过 PDF 规范化与多模态 Markdown 转换实现企业文档的通用检索感知摄取） [04:01] 🎓 OmniEdu: Open Foundation Models for Learning and Teaching（OmniEdu：面向学习与教学的开放基础模型） [04:47] 🎬 VideoGen-Agent: Reinforcing Video Generation Agents（VideoGen-Agent：强化视频生成智能体） [05:37] 🐼 onPanda: Efficient Annotation of On-Policy Alignment Data for LLMs and Agents via Token-Level Correction（onPanda：通过Token级纠正为LLM与智能体高效标注同策略对齐数据） [06:19] 🤖 Grounded Action Model: 3D Grounding as a Foundation for Robotics（接地动作模型：以3D接地作为机器人学基础） [07:05] 🤖 One to More, More to One: Category-Aware Iterative Expert Training for Software Engineering Agents（从一到多，从多到一：面向软件工程智能体的类别感知迭代专家训练） [07:57] 🎭 Deep Persona: A Psychologically Grounded Architecture and Evaluation Framework for Role-Playing Agents and Simulations（Deep Persona：面向角色扮演智能体与模拟的心理学基础架构与评估框架） [08:36] 🧠 Harness-Zero: Harness Distillation via Agent-as-Harness（Harness-Zero：通过智能体作为外壳进行外壳蒸馏） [09:18] 🤖 CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies（CARE：面向视觉-语言-动作策略的经验引导式原子纠正执行） [10:13] 🧠 Jev-Mem: System-One-Controlled Agentic Memory for Efficient AI Agents（Jev-Mem：面向高效 AI 智能体的 System-One 控制型智能体记忆） [10:52] 🎥 Why Do Video Diffusion Models Violate Physics? Unveiling the Flaws in Attention Mechanisms（为什么视频扩散模型会违背物理规律？揭示注意力机制中的缺陷） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:30] 🧩 Grounded Skill Synthesis from Code at Scale for Agentic Intelligence（面向智能体智能的从大规模代码中合成有依据技能） [01:21] 🤖 CodeMidas: Scaling Agentic Coding RL Environments from Code Itself（CodeMidas：从代码本身扩展智能体编程强化学习环境） [02:03] 🧬 EvoOntology: A Self-Evolving Ontology Layer for Data Agents（EvoOntology：面向数据智能体的自进化本体层） [02:48] 🤖 RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents（RecreationWorld：面向混合计算机使用智能体的可扩展且可验证环境） [03:28] 🧩 IntBMoE: Integrating Block-Level Conditioning into Expert Composition for Full-Participation Mixture-of-Experts（IntBMoE：将块级条件融入专家组合以实现全参与混合专家） [04:14] 🎥 OmniVChat: Synthesizing, Benchmarking, and Training for Native Audio-Visual Dialogue（OmniVChat：面向原生音视频对话的合成、基准测试与训练） [04:59] 🎨 Paint-Anything: Unified Any-Color Control for Image Generation and Editing（Paint-Anything：面向图像生成与编辑的统一任意颜色控制） [05:45] 🎬 OmniVBench: A Benchmark and Large-Scale Dataset for Omni Reference-to-Video Generation（OmniVBench：面向全能参考到视频生成的基准与大规模数据集） [06:25] 🧬 GraphSkillEvo: Evolutionary Optimization of Graph-Structured Agent Skills（GraphSkillEvo：图结构智能体技能的进化优化） [07:06] 🤖 MintAct: A Unified Visual Agent for Digital Environments（MintAct：面向数字环境的统一视觉智能体） [07:49] 🎨 Designer-RSI: Evolving Procedural Memory from User Traffic for Agentic Graphic Design（Designer-RSI：从用户流量中演化程序性记忆以支持智能体图形设计） [08:34] 🤖 When AI Reviews Train AI Reviewers: Scientific-Judgment Collapse and Mitigation（当AI评审训练AI评审者：科学判断坍缩与缓解） [09:15] ⚖ Calibrating Teacher--Student Discrepancy for On-Policy Distillation（面向在线策略蒸馏的教师—学生差异校准） [09:57] 🛡 FRAUDSkill: Structured Frozen-Weight Skill Optimization for Audio Anti-Fraud Detection（FRAUDSkill：面向音频反欺诈检测的结构化冻结权重技能优化） [10:41] 📞 TeleAntiFraud 2.0: A Refreshable, Profile-Grounded, and Audio-Based Benchmark for Telecom Fraud Detection（TeleAntiFraud 2.0：一个可刷新、以画像为依据且基于音频的电信诈骗检测基准） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 5 篇论文如下： [00:50] TOP1(🔥683) | 🎬 Vidu S2: Real-Time Interactive, Editable, and Spatial Video Generation（Vidu S2：实时交互、可编辑与空间视频生成） [03:11] TOP2(🔥405) | 🤖 Atria Dawn: The Dawn of Agentic Superintelligence（Atria Dawn：智能体超级智能的黎明） [05:04] TOP3(🔥328) | 🧠 Continual Learning Mechanisms Compose for Long-Horizon Memorization（持续学习机制组合用于长时程记忆） [07:23] TOP4(🔥246) | 🤖 ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search（ZGCM-1：一个完全开放且极其高效、面向数学与智能体搜索的基础模型） [09:31] TOP5(🔥226) | 🧠 Dream-RSI: Recursive Self-Improvement through Evolving Worlds（Dream-RSI：通过演化世界实现递归自我改进） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:32] 🗜 DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression（DeepSeek-V4.1-Flash：将 KV 缓存压缩推向极限） [01:15] ⚡ SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness（SoL-Pi：递归扩展自动化研究循环以实现高效智能体执行框架） [01:55] 🛑 When EOS Tokens Disagree: Understanding Length Inflation in On-Policy Distillation（当 EOS token 不一致：理解在线策略蒸馏中的长度膨胀） [02:33] 🧪 An Empirical Study of Harness Design for Coding Agents（面向编码智能体的 Harness 设计实证研究） [03:20] 🌍 JEPA-Anything: Learning Predictive Models across Different Worlds（JEPA-Anything：跨不同世界学习预测模型） [04:09] 🕵 RiskChainBench: A Benchmark for Obfuscated Platform Message Restoration and Evidence-Grounded Web Investigation（RiskChainBench：面向混淆平台消息还原与证据支撑网络调查的基准） [04:56] 🎓 RetireOPD: Self-Retiring On-Policy Distillation for Agentic Reinforcement Learning（RetireOPD：面向智能体强化学习的自退场在线策略蒸馏） [05:40] 📄 WeVisDoc: From Coverage to Capability for Robust End-to-End Document Parsing（WeVisDoc：从覆盖到能力，实现鲁棒的端到端文档解析） [06:29] 🔄 Reflect, Revise, Reuse: Training-Free Skill Evolution for GUI Agents（反思、修订、复用：面向GUI智能体的免训练技能演化） [07:10] 🤖 VABench: Measuring Embodied Spatial Intelligence through Visual Demonstrations, Active Perception, and Metric Control（VABench：通过视觉演示、主动感知和度量控制测量具身空间智能） [07:56] 🎥 Video DeltaNet: A Video-Native Hybrid Attention for Livestream Video Generation（Video DeltaNet：面向直播视频生成的视频原生混合注意力） [08:42] 🦾 FAMOS: Feed-Forward 3D Articulation Modeling from Sparse Observations（FAMOS：基于稀疏观测的前馈式三维铰接建模） [09:24] 🖼 UFO: Chain-of-Evaluation for Omni-Condition Alignment in Multi-Modal Image Generation（UFO：面向多模态图像生成全条件对齐的评估链） [10:07] 🌍 Can MiniMax-H3 Reason About the Physical World? An Evaluation of Omni-Modal Generative Model（MiniMax-H3 能否推理物理世界？一项全模态生成模型评估） [10:54] 🧠 When2Think: Learning Difficulty-Aware Length Control for Efficient Hybrid Reasoning Models（When2Think：面向高效混合推理模型的难度感知长度控制学习） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:31] 🧪 ScienceIDE: Turning World's Scientific Codebase into Agent Learnable Environments（ScienceIDE：将全球科学代码库转化为智能体可学习环境） [01:23] 🧠 LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence（LimiX-2：面向通用结构化数据智能的上下文机制网络） [02:10] 📉 Rethinking Critic Learning in PPO: Understanding and Mitigating Value Flattening（重新思考PPO中的评论家学习：理解与缓解价值平坦化） [02:56] 🧠 Confidence Comes from Experience: Experiential Confidence Estimation from Reasoning to Agents（置信度源于经验：从推理到智能体的经验性置信度估计） [03:36] 🤖 ProgramDistill: From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks（ProgramDistill：从交互式 Web 应用到可验证的参考引导软件工程任务） [04:21] 🤖 ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action Models（ActionPiece：重新思考自回归视觉-语言-动作模型的动作标记化） [05:01] 🧠 Agora: Git as Shared Memory for Collective AutoResearch（Agora：将 Git 作为集体自动研究的共享记忆） [05:43] ⚡ VC-Attention: Value Smoothing and Softmax Casting for Low-bit Attention（VC-Attention：面向低比特注意力的值平滑与 Softmax 转换） [06:22] 📈 EvolveTrade: Experience-Driven Policy Refinement for Self-Evolving LLM Trading Agents（EvolveTrade：面向自演化LLM交易智能体的经验驱动策略精炼） [07:02] 🎮 Zing-0.5: Toward Playable Worlds with Real-Time Joint Action and Text Control（Zing-0.5：迈向具备实时联合动作与文本控制的可玩世界） [07:51] 👀 Gaze as Evidence for Common Grounding: A Cross-Corpus Analysis of MapTask and MUNDEX（注视作为共同基础证据：MapTask与MUNDEX的跨语料库分析） [08:35] 🎯 A Zeroth-Order Paradigm for LLM Preference Alignment（面向LLM偏好对齐的零阶范式） [09:17] 🧬 HypoEvolve: Genetic Algorithms Enable Multi-Agent LLMs to Discover Scientific Hypotheses（HypoEvolve：遗传算法使多智能体大语言模型能够发现科学假设） [10:02] ✋ EventEgoHands++: Event-based Egocentric 3D Hand Mesh Reconstruction with Real Dataset（EventEgoHands++：基于事件的第一人称3D手部网格重建与真实数据集） [10:55] 🔭 SpectralShift: Effective Context Window Extension of Gated DeltaNet via Spectral Reparameterization（SpectralShift：通过谱重参数化有效扩展 Gated DeltaNet 的上下文窗口） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:29] 🧠 Continual Learning Mechanisms Compose for Long-Horizon Memorization（持续学习机制组合用于长时程记忆） [01:17] 🎮 AI for Games in the Foundation Model Era（基础模型时代的游戏人工智能） [02:05] 🎙 StepAudio 3 Realtime Technical Report（StepAudio 3 Realtime 技术报告） [02:45] 🎵 StepAudio 3 Music Technical Report（StepAudio 3 Music 技术报告） [03:22] 🤖 ScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agents（ScienceBuddy：面向交互式科学智能体的递归嵌套式自我改进） [04:09] 🧭 HarnessVLN: Unifying Training-Free Embodied Navigation through an Agent Harness（HarnessVLN：通过智能体框架统一免训练具身导航） [04:52] 🤖 The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement（人类建造的最后一个AI：迈向真正的递归自我改进） [05:40] 🏗 Another Blueprint In The Wall: How to Ask Frontier AI Like a Kid?（墙里的另一张蓝图：如何像孩子一样向前沿AI提问？） [06:26] 🧠 Mind2Dialogue: Training Human-Aware Language Models by Simulating User Mental States（Mind2Dialogue：通过模拟用户心理状态训练人类感知语言模型） [07:10] 🧩 ModularRSI: Modular and Generalizable Recursive Harness Self-Improvement（ModularRSI：模块化且可泛化的递归式执行框架自我改进） [07:54] 🤖 Modality-Autoregressive World-Action Models（模态自回归世界动作模型） [08:38] 📐 Disentangling Representation Evolution in Transformers through Directional Decomposition（通过方向分解解耦 Transformer 中的表征演化） [09:25] 🎥 PhysStream: Streaming Physics-Grounded Video Generation with Structured Scene Memory and Fine-Grained Motion Control（PhysStream：具备结构化场景记忆与细粒度运动控制的流式物理基础视频生成） [10:06] 🧪 ImpossibleRubrics: Stress-Testing Generated Rubrics as Reward Signals（ImpossibleRubrics：对作为奖励信号生成的评分标准进行压力测试） [10:55] 🧠 Convergent Emergence of In-Context Learning Across Modalities（跨模态上下文学习的趋同涌现） 【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

【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 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:30] 🤖 Atria Dawn: The Dawn of Agentic Superintelligence（Atria Dawn：智能体超级智能的黎明） [01:13] 🎬 Vidu S2: Real-Time Interactive, Editable, and Spatial Video Generation（Vidu S2：实时交互、可编辑与空间视频生成） [01:58] 🤖 ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search（ZGCM-1：一个完全开放且极其高效、面向数学与智能体搜索的基础模型） [02:47] 🧠 Dream-RSI: Recursive Self-Improvement through Evolving Worlds（Dream-RSI：通过演化世界实现递归自我改进） [03:24] 🤖 PhysBrain 1.5: From Vision-Language Models to Physical Foundation Models（PhysBrain 1.5：从视觉语言模型到物理基础模型） [04:06] 🗜 Grouped Value Attention: Efficient KV Caching via On-Demand Key Reconstruction（分组值注意力：通过按需键重建实现高效KV缓存） [04:51] 🎬 LynnReal-Omni: Native multi-modal Video Generation for Agentic Visual Workflows（LynnReal-Omni：面向智能体视觉工作流的原生多模态视频生成） [05:45] 🤖 RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments（RSIAgent：新环境中面向递归自我改进的自主探索） [06:30] 🔬 Discovery Foundation Models: Toward Open-Ended Discovery Intelligence（发现基础模型：迈向开放式发现智能） [07:13] 🎬 BVB: Benchmarking Agentic Video Understanding via Programmatic Reconstruction in Blender（BVB：在 Blender 中通过程序化重建对智能体视频理解进行基准测试） [07:56] ⚖ How Lossless Is Lossless Speculative Decoding? The Role of Numerical Precision in Orthrus（无损投机解码究竟有多无损？数值精度在 Orthrus 中的作用） [08:39] 🌐 AlayaVista: Streaming World Modeling from Panoramic States to Perspective Video（AlayaVista：从全景状态到透视视频的流式世界建模） [09:26] 🧩 Kaininja: Extending Native 3D Generators to the Part Level（Kaininja：将原生3D生成器扩展至部件级） [10:13] 🧠 Omni-Streaming Thinking（全模态流式思维） [11:00] 🖥 LLaDA-UI: Bringing Block-wise Diffusion to Vision-Language GUI Agents（LLaDA-UI：将块级扩散引入视觉语言 GUI 智能体） 【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