HuggingFace 每日AI论文速递

【目录】
本期的 15 篇论文如下：

[00:21] 🎬 Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation（任意时间、任意空间：以世界状态为中心的智能体视频生成框架）
[00:58] 🎮 Player-1: Learning to Play from Synthetic Experience（Player-1：从合成经验中学习游戏）
[01:45] 🛠 Doc2Harness: Benchmarking LLMs on Long-Horizon Harness Engineering of Coding Agents（Doc2Harness：评测大语言模型在编码智能体长时程Harness工程中的表现）
[02:26] 🛡 Beyond Domain-Routed Supervision: Cross-Teacher Guarding for Multi-Teacher On-Policy Distillation（超越领域路由监督：多教师同策略蒸馏的跨教师守护）
[03:11] 🧑 Recovering Reliable Supervision via Critique-Guided On-Policy Distillation（通过批评引导的在线策略蒸馏恢复可靠监督）
[03:56] 🔁 LatentLoop: Scaling Looped MoE Models with Asymmetric Compute Allocation（LatentLoop：采用非对称计算分配扩展循环式 MoE 模型）
[04:46] 🧠 Cortex: Consolidating Context into Parametric Memory（Cortex：将上下文巩固为参数化记忆）
[05:34] 🤖 ActionOPD: Distilling Decisions, Not Tokens（ActionOPD：蒸馏决策，而非Token）
[06:17] 🧪 More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning（更多方法，更好的智能体？智能体强化学习中自蒸馏的现实检验）
[07:01] 🧠 Seeing, Maintaining, and Learning: The Evolution of Multimodal Agent Memory（感知、维护与学习：多模态智能体记忆的演进）
[07:46] 🧹 LensErase: A Foundation Model for Erase Anything（LensErase：面向擦除任意内容的基础模型）
[08:26] ⚡ KV4-RL: Unlocking Faster Asynchronous Rollouts for RLVR with INT4 KV Cache Quantization（KV4-RL：利用 INT4 KV 缓存量化解锁 RLVR 更快的异步 Rollout）
[09:06] 🤖 Towards Agentic Robots: Model, Data, Environment, and Harness（迈向智能体机器人：模型、数据、环境与执行框架（Har

【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] 🎥 VideoJev: System One Model for Video Understanding and Interaction（VideoJev：面向视频理解与交互的系统一模型）
[01:12] ⚡ Jeva: System One Models from First Principles（Jeva：从第一性原理构建的系统 1 模型）
[01:57] 🪞 Agent-Reflex: Teaching Language Agents to Act Reflectively（Agent-Reflex：教导语言智能体进行反思性行动）
[02:40] 🏙 Urbex: Agentic Spatial Grounding for City-Scale 3D Scenes（Urbex：面向城市级三维场景的智能体空间定位）
[03:27] 🤖 GreenWAM: A World Foundation Model for Robotics（GreenWAM：面向机器人学的世界基础模型）
[04:09] 🎨 AesCode: Aesthetic Code Generation with Decoupled Cross-Modal Rewards（AesCode：基于解耦跨模态奖励的美学代码生成）
[04:52] 🤖 Harness^2: Recursive Agent Harnessing for an Open World（Harness^2：面向开放世界的递归式智能体执行框架构建）
[05:35] 📈 TPPO: Tracking-Value PPO For Language Model Reasoning（TPPO：面向语言模型推理的跟踪价值PPO）
[06:18] 🧠 Vela: User Behavior as Supervision Sparks LLM Intelligence（Vela：用户行为作为监督激发大语言模型智能）
[07:00] 🩻 X-Ragent: Tool-Augmented Reinforcement Learning for Evidence-Grounded Chest X-Ray Reasoning（X-Ragent：面向基于证据的胸部X射线推理的工具增强强化学习）
[07:50] ⚡ DoSA: Dots Sparse Attention（DoSA：点稀疏注意力）
[08:34] 🌍 ExeWorldBench: Benchmarking Code-Based Executable 3D World Modeling（ExeWorldBench：基于代码的可执行3D世界建模基准测试）
[09:19] 🤖 LeWA

【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] 🎯 GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives（GroundingPI：面向物理智能的视觉基元定位基础模型）
[01:13] 🤖 AgentSWE: Can Coding Agents Build the Agent You Actually Want?（AgentSWE：编码智能体能否构建你真正想要的智能体？）
[01:58] 🤖 Scaling Agentic Data for Long-Horizon Terminal Intelligence（面向长时程终端智能的智能体数据规模化）
[02:45] 🧠 Thinking Inertia: LLMs Keep Thinking When Told Not To（思维惯性：大语言模型被要求不思考时仍持续思考）
[03:29] 🎬 VIS-Ground: Video Interactive Storytelling with Contextual Grounding（VIS-Ground：基于上下文锚定的视频交互式叙事）
[04:13] 🔀 Multi-Stream Attention Residuals（多流注意力残差）
[05:02] 🎯 Relevance Does Not Imply Applicability: Experience Activation for Personal GUI Agents（相关性不等于适用性：面向个人 GUI 智能体的经验激活）
[05:50] 🏙 CrossTimeEdit: A Decade-Spanning Cross-View Dataset and Reward-Guided Editing for Historical Street-View Generation（CrossTimeEdit：面向历史街景生成的十年跨度跨视角数据集与奖励引导编辑）
[06:33] ⚡ GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed（GroundAnything：以闪电速度协调并行解码与精确视觉定位）
[07:13] 🧠 SpatialASM: Internalizing Active Mentalization for Spatial Reasoning（SpatialASM：内化主动心智化以实现空间推理）
[07:58] 🤖 Systematic Multi-Agent Vision-and-Language Navigation...

【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] ⚡ DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models（DiffusionART：高效、稳定且可扩展的扩散模型强化学习）
[01:13] 🧭 S-Space: Exploring Spatial Workspace in Multimodal Language Models（S-Space：探索多模态语言模型中的空间工作区）
[01:58] 🤖 Reflex: Visually Grounded Reactive Humanoid Control（Reflex：视觉接地的反应式人形机器人控制）
[02:48] 🖥 SoftwareGym: Scaling Computer-Use Agent Training with Diverse Synthesized Software Environments（SoftwareGym：利用多样化合成软件环境扩展计算机使用智能体训练）
[03:30] 🤖 EmbodiedCLBench: Evaluating Continual Learning for Self-Evolving Embodied Agents（EmbodiedCLBench：评估自进化具身智能体的持续学习）
[04:18] 🎧 Hear the World in Stereo: Learning Dynamic Spatial Correspondence for Immersive Joint Video-Audio Generation（用立体声聆听世界：学习动态空间对应以实现沉浸式音视频联合生成）
[04:58] 🧶 VisionWeave: Weaving Elastic Visual Representations as a Native Capability of MLLMs（VisionWeave：将弹性视觉表征编织为多模态大语言模型的原生能力）
[05:41] 🤖 ProgramGym: Scaling Training Environments for Long-Horizon Program Reproduction Agents（ProgramGym：扩展长时程程序复现智能体的训练环境）
[06:29] 🖥 Work2Skill: Capturing Human GUI Experience for Reusable Agent Skill Induction（Work2Skill：捕获人类 GUI 经验以实现可复用智能体技能归纳）
[07:05] 🎬 SepGen: Multi-Stem Audio-Video Separation and Generation in a Single Model（SepGen：在单一模型中实现多音轨音视频分离与生成）
[07:48] 🔄 Continually Post-training Small Models via Synt...

【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：

[00:45] TOP1(🔥279) | 🧠 RealCompanion: Benchmarking Human Understanding from Reasoning over Longitudinal Real-World Conversations（RealCompanion：基于纵向真实世界对话推理的人类理解基准测试）
[03:10] TOP2(🔥201) | 🎯 Rethinking Cross-Tokenizer On-Policy Distillation: From Alignment Coverage to Supervision Reliability（重新思考跨分词器同策略蒸馏：从对齐覆盖到监督可靠性）
[05:16] TOP3(🔥162) | 🎬 Kandinsky 6.0 Video: Foundation Models for Synchronized Video and Audio Generation（Kandinsky 6.0 Video：面向同步视频与音频生成的基础模型系列）
[07:37] TOP4(🔥153) | 📊 UltraText Bench: A Comprehensive Bilingual Benchmark for Evaluating Visual Text Rendering in Image Generation（UltraText Bench：评估图像生成中视觉文本渲染的综合双语基准）
[09:54] TOP5(🔥149) | 🔮 Self-Retrospection Distillation: Turning Post-hoc Experiences into Prior Foresight（自回溯蒸馏：将事后经验转化为事前预见）

【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] 🎮 AgentGarten: Code Worlds for Evolving Agents（AgentGarten：面向进化智能体的代码世界）
[01:03] 🎮 Learn2Play Bench: How Well Do LLM Agents Learn from Experience in Unfamiliar Environments?（Learn2Play Bench：LLM 智能体在陌生环境中从经验中学习的效果如何？）
[01:43] 🚦 TokenRouter: Efficient Serving System for Token-Level LLM Routing（TokenRouter：面向 Token 级 LLM 路由的高效服务系统）
[02:29] 🌍 From Traces to Agentic Worlds: Agentic Language World Models for Interactive Environment Simulation（从轨迹到智能体世界：用于交互式环境模拟的智能体语言世界模型）
[03:26] 🤖 SuperNav: An Agentic Navigation System for Any Task in Any Scene（SuperNav：面向任意场景中任意任务的智能体导航系统）
[04:11] 🚀 MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement（MiMo-V2.6：将强化学习扩展至自我改进）
[04:55] 🤖 In-context Robot Learning Made Simple: A Democratized Recipe for Manipulation Tasks（让机器人上下文学习变简单：面向操作任务的普惠方案）
[05:39] 🤖 Multi-Agent Egocentric World Model with Fine-Grained Embodied Interaction（面向细粒度具身交互的多智能体自我中心世界模型）
[06:27] 🤖 DreamTrue: Action-Faithful Robot World Model with Counterfactual Post-Training（DreamTrue：基于反事实后训练的动作忠实机器人世界模型）
[07:05] 🌀 OuroWorld: Bringing Any 3D World...

【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] 🗜 STEPQuant: When and Where Errors Matter in Delta-Rule Recurrent State Quantization（STEPQuant：Delta-Rule 递归状态量化中的误差何时与何处重要）
[01:12] 🤖 Long-WAM: Scaling the Context of World-Action Models（Long-WAM：扩展世界-动作模型的上下文）
[01:53] 🤖 nanoMuse: An Open-Source Personal Agent for Every Device You Own（nanoMuse：面向你拥有的每台设备的开源个人智能体）
[02:33] 🎮 Recursive Game Creator: An Agentic Product-Level Experience-Oriented Game Harness（递归游戏创作者：面向体验的智能体产品级游戏开发框架）
[03:17] 🧠 Questioning the Questions: Sustaining Self-Evolution in Reasoning Models（质疑问题本身：维持推理模型的自我进化）
[04:09] ⚡ GRACE: Generation-aware latent compression for efficient video generation（GRACE：面向高效视频生成的生成感知潜在压缩）
[04:48] 🎭 DecepEval: A Benchmark for Evaluating Deception in LLM Agents（DecepEval：用于评估LLM智能体欺骗行为的基准）
[05:33] 🔮 VepAgent: Bridging Causal-Transition via Tool-Augmented Reinforcement Learning for Video Event Prediction（VepAgent：通过工具增强强化学习桥接因果转移以实现视频事件预测）
[06:14] 🎬 SGF+: Decoupling Gradient Flows for Autoregressive Video Generation（SGF+：解耦自回归视频生成的梯度流）
[06:58] 🤖 UniWAM: Unified World-Action Model（UniWAM：统一世界-动作模型）
[07:36] 🧠 Semifactual Credit-Augmented Policy Optimization（半事实信用增强策略优化）
[08:15] 🗂 RunningTab

【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

【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...

【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

【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: Resol...

【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-Nat...

【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-La...

【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）<...

【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-R...

【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 Vis...

【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：...

【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 Di...

【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...

【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：

[00:45] TOP1(🔥439) | 🤖 Scaling Automatic Research Agents via World Models（通过世界模型扩展自动研究智能体）
[02:38] TOP2(🔥397) | 🔄 NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness（NeoHorse-1：通过带路由调度框架的智能体后训练实现递归自我改进）
[04:37] TOP3(🔥210) | 🎙 AuK Technical Report: An Open-Source Foundational Model for Speech Generation and Editing（AuK技术报告：用于语音生成与编辑的开源基础模型）
[06:41] TOP4(🔥189) | 🧠 NCP-ArchPreview Technical Report: Moving towards Latent Space Language Models through Next Concept Prediction（NCP-ArchPreview 技术报告：通过下一概念预测迈向潜在空间语言模型）
[09:13] TOP5(🔥174) | 🔬 Dr. Claw: An AI Scientist Workspace for Vibe Research（Dr. Claw：面向 Vibe Research 的 AI 科学家工作空间）

【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] 🧠 NCP-ArchPreview Technical Report: Moving towards Latent Space Language Models through Next Concept Prediction（NCP-ArchPreview 技术报告：通过下一概念预测迈向潜在空间语言模型）
[01:13] 🧠 SenseNova-U1.5: Towards Native Unified Visual Intelligence（SenseNova-U1.5：迈向原生统一视觉智能）
[02:09] 🧱 SpatialBlock: Enhancing Spatial Intelligence in LVLMs via Synthetic Block-Stacking Problem（SpatialBlock：通过合成积木堆叠问题增强大型视觉语言模型的空间智能）
[02:53] 🛡 EvoSafeHarness: Evolving Model- and Domain-Specific Harnesses for Securing Agents（EvoSafeHarness：为保障智能体安全而演化模型与领域特定的安全护栏）
[03:39] 🧹 Mi-Ripple: Restoring Images Degraded by Iterative AI Editing（Mi-Ripple：修复由迭代式 AI 编辑退化的图像）
[04:23] 🗜 X-AuT: Progressive Audio-Encoder Compression for Speech LLMs with Cross-Scale Distillation（X-AuT：基于跨尺度蒸馏的语音大语言模型渐进式音频编码器压缩）
[05:11] 🧠 Memory as Plans: World-Action Modeling with Memory-Grounded Planning（记忆即计划：基于记忆锚定规划的世界-动作建模）
[05:54] 🧩 TempCloze: Can Video-LLMs Identify the Missing Middle?（TempCloze：视频大语言模型能否识别缺失的中间片段？）
[06:41] 🌊 FreeFlow: A Bias-free Hierarchical Transformer for Optical Flow Estimation（FreeFlow：一种用于光流估计的无偏置层次化Transformer）
[07:34] 🧩 Recursive Code World Models: Building Complex Worlds through Recursive Scene Programs（递归代码世界模型：通过递归场景程序构建复杂世界）
[08:21] 🫀 CARDEA: Auditable Reasoning Grounded in Spatial Evidence for End-to-End...

【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] 🤖 Show-Harness: Just a VLM Agent Can Play Robots（Show-Harness：仅一个VLM智能体即可玩转机器人）
[01:11] 🎮 Programmable World Model（可编程世界模型）
[01:57] 🤖 AgentGrad: Intervention-guided Prompt Optimization for Multi Agent Systems（AgentGrad：干预引导的多智能体系统提示优化）
[02:40] ⌚ WearableQA: A Benchmark for Health Reasoning over Real-World Wearable Data（WearableQA：面向真实世界可穿戴数据的健康推理基准）
[03:27] ✅ SWE-Bench Pro Verified: A Reliable Benchmark for Software Engineering Agents（SWE-Bench Pro Verified：面向软件工程智能体的可靠基准）
[04:11] 🔬 SAEScientist-Bench: Can AI Agents Conduct Autonomous SAE Interpretability Research?（SAEScientist-Bench：AI智能体能否开展自主SAE可解释性研究？）
[04:55] 🔍 Scores Alone Do Not Prove Discovery: The Discovery Certification Protocol for Auditing AI Research Agents（仅凭分数不能证明发现：用于审计 AI 研究代理的发现认证协议）
[05:42] 🗣 Puppeteer: Object-Grounded Posture-Aware Co-Speech Gesture Generation（Puppeteer：基于物体锚定与姿态感知的共语手势生成）
[06:26] ⚗ DianShi-RxnDB: A Large-Scale, Fine-Grained Organic Reaction Data Platform Built via a Fully Automated Pipeline for Researchers and AI Agents（DianShi...

【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 7 篇论文如下：

[00:31] ⚡ Unlocking Lossless Speedups in LLMs via Discrete Diffusion（通过离散扩散实现大语言模型的无损加速）
[01:31] ⚖ FlowBalance: Verifier-Grounded Self-Improvement from On-Policy Reasoning Experience（流平衡：基于验证器的在线策略推理经验自我改进方法）
[02:29] 🎯 ENEAS: Embedding-guided Neural Ensemble for Adaptive Segmentation（ENEAS：嵌入引导的神经集成自适应分割）
[03:27] 🤖 EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents（具身技能（EmbodiedSkills）：编排、训练与部署VLA智能体的统一框架）
[04:32] 📉 One Symptom, Three Levers: A Critical Review of On-Policy Self-Distillation（一种症状，三个杠杆：同策略自蒸馏的批判性综述）
[05:15] 🚦 Verify Before You Distill: Prompt-Level Teacher Gating for On-Policy Distillation（先验证再蒸馏：在策略蒸馏中的提示级教师门控）
[06:00] 🔧 What Else Needs Fixing? Exploring Cost-Effective Test-Time Compute for Revision Propagation in Artifacts Generated Through Conversation（还有哪些需要修复？探索经对话生成的产物中修订传播的高性价比测试时计算）

【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] 🤖 Bilevel Coordinated Reflection: A Game-Theoretic Approach to Multi-Agent LLM Systems（双层协调反思：多智能体LLM系统的博弈论方法）
[01:27] 🧗 Iris: Climbing to the Search Frontier（Iris：攀登搜索前沿）
[02:12] 🤖 Motion-Omni: End-to-End Joint Speech and Full-Body Motion for Spoken Dialogue（Motion-Omni：面向口语对话的端到端语音与全身动作联合生成）
[03:06] 🌍 WorldSculpt: Generating Compositional Worlds from Grounded Videos（WorldSculpt：从锚定视频生成组合式世界）
[03:57] 🔍 Enoki: Efficient Multi-Level Hallucination Detection（Enoki：高效的多层级幻觉检测）
[04:56] ❓ Ask Before You Optimize: Dynamic Pre-Formulation Clarification for Interactive Optimization（优化前先询问：面向交互式优化的动态预建模澄清）
[06:04] 🔺 The Attention Triangle in Audio-Video Models（音频-视频模型中的注意力三角）
[07:03] ⚡ Don't Drop Dropout: Optimizing Layer Sparsity for Efficient LLM Training and Inference（不要丢弃Dropout：优化层稀疏性以实现高效的LLM训练与推理）
[07:57] 🧠 Beneath the Surface of Chains-of-Thought: A Mechanistic Interpretation of Reasoning Operations in LLMs（思维链的表面之下：大语言模型中推理操作的机制性解读）
[08:51] 🔄 RISE: Recursive Improvement via Self-Extrapolating Policy Distillation（RISE：基于自外推策略蒸馏的递归改进）
[09:52] 🤖 MaxKernel: Agentic Kernel Generation for TPUs（MaxKern

【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：

[00:45] TOP1(🔥519) | 🤖 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）
[03:54] TOP2(🔥480) | 🎓 StudentSim: Training LLM-based Student Simulators（StudentSim：训练基于大语言模型的学生模拟器）
[07:43] TOP3(🔥371) | 🚗 Qwen-Drive-1.0: An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving（Qwen-Drive-1.0：迈向自动驾驶视觉语言基础模型的第一步）
[10:53] TOP4(🔥280) | 🧠 Compile by Training: Turning Natural-Language Specifications into Local Neural Functions（通过训练进行编译：将自然语言规范转化为本地神经函数）
[13:49] TOP5(🔥238) | 🤖 HarnessDev: Can LLMs Create and Evolve Their Own Agent Harness?（HarnessDev：大语言模型能否创建并演化自己的智能体执行框架？）

【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：

[00:41] TOP1(🔥772) | 🧠 BDH-CQ: In-Context Learning with Recurrent Latent Reasoning（BDH-CQ：基于循环潜在推理的上下文学习）
[04:16] TOP2(🔥446) | ⚙ StateM: Reaching 95.3% Raw Accuracy, or a \$15 Frontier Run, on Terminal-Bench 2.1 via Harness Scaling（StateM：通过 Harness 扩展在 Terminal-Bench 2.1 上达到 95.3% 原始准确率，或一次 15 美元的前沿运行）
[07:08] TOP3(🔥342) | 🔄 Macaron-V1: Towards Open Continual Learning with Self-Improvement and Mixture-of-LoRA（Macaron-V1：迈向具备自我改进和LoRA混合的开放持续学习）
[09:53] TOP4(🔥340) | 🕵 HarnessEval-W: Agentifying the Evaluation of Visual Worlds（HarnessEval-W：使视觉世界的评估智能体化）
[12:45] TOP5(🔥290) | 📄 Spark-to-Paper: End-to-End Research Paper Generation as a Composable Skill（从火花到论文：作为可组合技能的端到端研究论文生成）
[16:40] TOP6(🔥282) | 🛡 Can We Defend Against AI-Generated Video Attacks on Real-World Crisis Events? A Systematic Evaluation of Detectors, Generators and Social Dissemination（我们能防御针对现实世界危机事件的AI生成视频攻击吗？对检测器、生成器与社会传播的系统评估）
[19:31] TOP7(🔥274) | 🌍 EnvHarness: Awakening Static Worlds for Agent Learning（EnvHarness：为智能体学习唤醒静态世界）
[22:34] TOP8(🔥269) | 🧠 VBVR-Pro: A Scalable and Verifiable Suite for Native Visual Reasoning（VBVR-Pro：可扩展且可验证的原生视觉推理套件）
[26:15] TOP9(🔥26

【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：

[00:33] 🌌 Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments（终端宇宙：将智能体轨迹转化为可扩展的终端环境）
[01:31] 🚦 Knowing When Not to Reuse: Conditional Experience Transfer in Autonomous LLM Post-Training（知道何时不该复用：自主大语言模型后训练中的条件经验迁移）
[02:34] 🎨 LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes（LLaDA-Image：以完全开放的训练配方构建强大图像生成器）
[03:33] 🧠 LatentPress: Context Compression Beyond Text and Vision（LatentPress：超越文本与视觉的上下文压缩）
[04:20] 🧠 Compile by Training: Turning Natural-Language Specifications into Local Neural Functions（通过训练进行编译：将自然语言规范转化为本地神经函数）
[05:12] 🎲 Random Attention: Rethinking KV Cache Eviction for Efficient Reasoning（随机注意力：重新思考面向高效推理的KV缓存淘汰）
[06:19] ⚡ Why Gated DeltaNet Survives 4-Bit Quantization: NVFP4 W4A4 for the Recurrent Half of a Hybrid 27B LLM（为什么门控DeltaNet能在4比特量化下存活：面向混合27B大语言模型循环半部分的NVFP4 W4A4量化）
[07:15] 🎯 Rethinking On-Policy Distillation of Large Language Models II: One Training Example（重新思考大语言模型的同策略蒸馏（二）：一个训练示例）
[08:18] 🌍 Puffin-World: Scaling a Unified Multimodal Model with Native 3D World States（Puffin-World：以原生3D世界状态扩展统一多模态模型）
[09:17] 🧩 Scal3R: Learning Efficient Multi-Relative Pose Query for Sca...

【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] 🤖 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）
[01:26] 🌍 SolarWM: Open Data and Scalable Training for Long-Horizon Video World Models（SolarWM：面向长时程视频世界模型的开放数据与可扩展训练）
[02:19] ⏱ EarlyEval: Cheaper Agent Evaluation via Early Outcome Prediction（EarlyEval：通过早期结果预测实现更廉价的智能体评估）
[03:21] 🤝 It Takes Two to Match: Co-Evolving Generative Retriever with Reinforcement Learning（两相匹配：基于强化学习的生成式检索器协同进化）
[04:18] 🎯 Language Models Can Control Their Own Attention（语言模型能够控制自身的注意力）
[05:10] 🖼 On the Design Fundamentals of Pixel Text Representation Learning（论像素文本表示学习的设计基础）
[06:12] 🔍 Beyond Visual Similarity: Entity-Aligned Retrieval for Knowledge-Based Visual Question Answering（超越视觉相似性：面向知识型视觉问答的实体对齐检索）
[07:14] 🤖 HarnessDev: Can LLMs Create and Evolve Their Own Agent Harness?（HarnessDev：大语言模型能否创建并演化自己的智能体执行框架？）
[08:05] 🗜 ZipTok3D: High-Fidelity 3D Tokenization with Compact Token Prefixes（ZipTok3D：利用紧凑令牌前缀的高保真三维令牌化）
[09:04] 🎯 Cliff: Learning Process Rewards from the First Mistake（Cliff：从第一个错误中学习过程奖励）
[10:05] 🎯 Aspire: Can Models Self-Evolve from Vague Goals?（Aspire：模型能否从模糊目标中自我进化？）
[10:46] 🎭 Influence-Directed Distillatio

【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] 🎓 StudentSim: Training LLM-based Student Simulators（StudentSim：训练基于大语言模型的学生模拟器）
[01:34] 🚗 Qwen-Drive-1.0: An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving（Qwen-Drive-1.0：迈向自动驾驶视觉语言基础模型的第一步）
[02:46] 🔁 SMELT: Scaling Laws for Compute-Matched MoE Looped Transformers（SMELT：计算匹配的MoE循环Transformer的缩放定律）
[03:44] 🤖 UI-Venus-2 Technical Report（UI-Venus-2技术报告）
[04:41] 🤖 ZimaBlue: Evolving Generalizable World Action Models through Scalable Video Pre-training（ZimaBlue：通过可扩展视频预训练演化可泛化的世界动作模型）
[05:40] 🌍 H3-World: Turning Language Understanding into World Control（H3-World：将语言理解转化为世界控制）
[06:41] 🔍 Hi-Q: Hierarchical Evidence-guided Query Refinement for Multi-Hop Question Answering（Hi-Q：层次化证据引导的多跳问答查询细化）
[07:36] 🚁 Evaluating Multimodal LLMs as Generalist Vision-Language-Action Agents for Drone Control: Commanding, Approaching, Tracking and Searching（评估多模态大语言模型作为无人机控制的通用视觉-语言-行动智能体：指挥、接近、跟踪与搜索）
[08:33] 🔗 Uncovering Understanding-Generation Synergy in Native Unified Multimodal Models: From Representation, Task to System（揭示原生统一多模态模型中理解与生成的协同效应：从表征、任务到系统）
[09:27] 🛡 Safin-1: Safety from Within through Memory-Native State Evol...

【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] 🔄 Does On-Policy Distillation Really Distill? From Noisy Teacher to Self-Improvement（在线策略蒸馏真的在蒸馏吗？从噪声教师到自我改进）
[01:24] 🎬 DreamX-Creator: Democratizing Native Audio-Video Generation at 2K Resolution（DreamX-Creator：在2K分辨率下实现原生音视频生成的民主化）
[02:13] 🧠 GenFirst: Generation Before Reconstruction for Stable End-to-End Latent Generative Modeling（GenFirst：先生成后重建的稳定端到端潜在生成建模）
[03:06] 🧩 Lucida: Parse, Generate, and Place for Composable Real-to-Sim Scene Modeling（Lucida：面向可组合真实到仿真场景建模的解析、生成与放置）
[03:57] ⚖ Normalized Low-Rank Adaptation（归一化低秩自适应）
[04:54] 🎯 PaperGym: Rubric-Centered Evolution for Research-Plan Generation（PaperGym：以评分标准为中心的研究计划生成进化）
[05:53] ⚡ On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability（论Qwen3.8-Next架构的设计：评估、效率与训练稳定性）
[06:51] 🎓 CogEvol: Towards Efficient and Reliable Learning Environment Generation（CogEvol：迈向高效可靠的学习环境生成）
[07:50] 🧭 LightNav-0: Eliciting VLM Spatial Intelligence for Generalist Embodied Navigation（LightNav-0：激发视觉语言模型空间智能，实现通用具身导航）
[08:43] 🧩 SHAPE of Chain-of-Thought in Math Reasoning（数学推理中思维链的SHAPE框架）
[09:48] 🧠 Scaling Large Reasoning Models beyond Human Supervision: A Path toward Superintelligence（超越人类监督的大规模推理模型扩展：通往超级智能之路）
[10:51] 🧩 S...

【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] 🔁 LoopArena: Benchmarking Models as Runtime Controllers for Loop Engineering（LoopArena：将模型作为循环工程的运行时控制器进行基准测试）
[01:27] 💎 DART-SD: Diamond-topology Aware Retrieval and Tuning for Self-Distillation of Multi-Turn Tool-Calling Agents（DART-SD：多轮工具调用代理的菱形拓扑感知检索与自蒸馏调优）
[02:25] 🛠 Agentic Artifact Creation: Systems, Evaluation, Principles, and Opportunities（智能体工件创建：系统、评估、原则与机遇）
[03:25] 🤖 Beyond Data Scaling: Representation-Centric Continued Pre-training for Vision-Language-Action Models（超越数据规模：面向视觉-语言-动作模型的以表征为中心的持续预训练）
[04:42] 🌍 Code as Worlds: Agentic Discovery of Executable World Representations for Physical Reasoning（代码即世界：面向物理推理的可执行世界表示的智能体发现）
[05:45] 🔄 J-Zero: Unified Challenger--Solver--Judge Co-Evolution from Zero Data（J-Zero：零数据下挑战者—求解者—评判者的统一协同进化）
[06:37] 🎥 Revisiting Local Context for Long-Horizon Streaming 3D Reconstruction（重新审视面向长时程流式三维重建的局部上下文）
[07:35] 🧠 ContextPilot: Teaching Agents for Proactive Context Management via Fine-grained RL（ContextPilot：通过细粒度强化学习训练智能体进行主动上下文管理）
[08:33] 🧠 LayerRecall: A State-Conditioned Memory Router for Long-Horizon Consistency in Video Generation（LayerRecall：用于视频生成长时程一致性的状态条件记忆路由器）
[09:38] 💰 Puro-2B: Poor Lab's Qwen2-1.5B Trained on RTX 5090 within $5090（Puro-2B：穷实验室在RTX 5090上以不到5090美元训练出的Qwen2-1.5B）
[10:27] 🐘 Blind Men and the Elephant: Probing the Epistemic Myopia of LLMs under Long-Tail Divergen...

【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：

[00:42] TOP1(🔥253) | 🧠 VBVR-Pro: A Scalable and Verifiable Suite for Native Visual Reasoning（VBVR-Pro：可扩展且可验证的原生视觉推理套件）
[03:58] TOP2(🔥201) | 🤖 Apodex 1.1: Scaling Agentic Intelligence for Complex Work（Apodex 1.1：扩展智能体智能以应对复杂工作）
[07:26] TOP3(🔥170) | 🎬 VGI-Bench: Probing Visual Intelligence in Video Generation Models（VGI-Bench：探究视频生成模型的视觉智能）
[10:06] TOP4(🔥167) | 🧠 VoiceMem: Streaming Dual-Brain Memory for Real-Time Interaction（VoiceMem：面向实时交互的流式双脑记忆）
[13:16] TOP5(🔥140) | 🧪 FrontierChallenge: Evaluating Scientific Workflow Completion（前沿挑战：评估科学工作流完成度）

【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] 🎲 PAWBench: How Far Are We from Probabilistically Aligned World Modeling?（PAWBench：我们距离概率对齐的世界建模还有多远？）
[01:09] 🤖 What Makes Good Agentic Data? An ACE Lens on Data Generation for LLM Agents（什么造就了好的智能体数据？面向LLM智能体的数据生成的ACE视角）
[02:01] 🎯 TTPO: Test-Time Policy Optimization（TTPO：测试时策略优化）
[02:49] 🤖 Training Agents to Evolve with Their Harness: TaoLive Digital Avatar Agent Technical Report（训练智能体与其运行框架协同进化：TaoLive数字人智能体技术报告）
[03:41] 🏙 UrbanGround: From Local Perception to Spatial Agency in a Real-Scale City（UrbanGround：从局部感知到真实尺度城市中的空间能动性）
[04:34] 🎮 GameWAM: A World Action Model for Video Games（GameWAM：视频游戏的世界动作模型）
[05:24] 🔄 PILOT in the Loop: Live Self-Improvement for Long-Horizon Agents（PILOT在环：面向长时程智能体的实时自我改进）
[06:03] 🤖 Zero-WAM: In-Context World-Action Modeling from Human Videos for Open-Ended Task Generalization（Zero-WAM：基于人类视频的上下文世界-动作建模实现开放式任务泛化）
[06:55] ⚗ Self-OPD: On-Policy Distillation for Flow Matching Models without Teacher（Self-OPD：无需教师模型的流匹配模型在线策略蒸馏）
[07:51] 🧬 Understanding Evolut...

【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] 🧠 VoiceMem: Streaming Dual-Brain Memory for Real-Time Interaction（VoiceMem：面向实时交互的流式双脑记忆）
[01:30] 🧪 FrontierChallenge: Evaluating Scientific Workflow Completion（前沿挑战：评估科学工作流完成度）
[02:29] 🎬 VGI-Bench: Probing Visual Intelligence in Video Generation Models（VGI-Bench：探究视频生成模型的视觉智能）
[03:32] 🚀 WarpSAC: Towards the Pinnacle of Scalable Off-policy RL by Rethinking Exploration and Exploitation（WarpSAC：重思探索与利用，迈向可扩展离策略强化学习的巅峰）
[04:27] ⚙ JIT-Agent: Scaling Harness Intelligence via Just-in-Time Harness Evolution（JIT-Agent：通过即时框架演化实现框架智能的规模化扩展）
[05:20] 🧠 VBVR-Pro: A Scalable and Verifiable Suite for Native Visual Reasoning（VBVR-Pro：可扩展且可验证的原生视觉推理套件）
[06:15] 🎛 D$^3$-MOPD: Adaptive Dynamic Domain ScheDuling for Efficient Multi-Teacher Distillation（D³-MOPD：面向高效多教师蒸馏的自适应动态领域调度）
[07:22] 🧠 Is Next-Chunk Reasoning RL Really Better than SFT? Revisiting Training Strategies under no-CoT Data（下一块推理强化学习真的比SFT更好吗？重新审视无CoT数据下的训练策略）
[08:26] 🎯 Agent-G$^2$: Gaussian Guidance for Agentic Reinforcement Learning（Agent-G²：面向智能体强化学习的高斯引导）
[09:13] 🎬 Long-Horizon Audio-Visual Generation for Persistent Stories and Interactive Worlds（面向持久故事与交互世界的长时程音视频生成）
[10:19] ⚖ Open-MOPD: Diagnosing and Fixing Capability Imba...

【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] 🎯 Annotations as Rollouts: Efficient and Scalable Reinforcement Learning for Video MLLMs（将标注视为轨迹：高效可扩展的视频多模态大语言模型强化学习）
[01:25] 🧲 WeMM-Embedding: WeChat Multi-Modal Embedding Technical Report（WeMM-Embedding：微信多模态嵌入技术报告）
[02:17] 🔧 AutoSaddler: Automatic Harness Optimization with Durable Updates from Agent Execution Traces（AutoSaddler：基于智能体执行轨迹的自动框架优化与持久更新）
[03:17] 🎯 On-Policy Self-Distillation in Diffusion Models（扩散模型中的同策略自蒸馏）
[04:02] 🛡 CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild（CyberFactory：利用现实世界实例规模化网络安全能力）
[05:00] 🧠 Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses（面向长时程智能体框架的递归经验-工作记忆演化）
[05:53] 🎯 Best Practice Critic Optimization（最佳实践评论家优化）
[06:45] 🎯 On-policy Distillation with Verifiable Reward（基于可验证奖励的在线策略蒸馏）
[07:42] 🕶 From Seeing to Acting: Smart Glasses as First-Person Intelligence Platforms（从看见到行动：智能眼镜作为第一人称智能平台）
[08:41] 🎮 Game2World Engine: Unlocking In-the-Wild Gameplay Videos for World Model Training（Game2World引擎：解锁真实场景游戏视频以训练世界模型）
[09:34] 📏 Length-Adaptive Decoding for Masked Diffusion Machine Translation（掩码扩散机器翻译的长度自适应解码）
[10:27] 🎬 LAION-BVD: A 10-Million-Hour Open Video Dataset for Multimodal Pre-training（LAION-BVD：面向多模态预训练的千万小时开放视频数据集）
[11:21] 🔁 Meta$

【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] 🤖 Apodex 1.1: Scaling Agentic Intelligence for Complex Work（Apodex 1.1：扩展智能体智能以应对复杂工作）
[01:36] 🎮 EchoWM: Open and Enterable Omnimodal World Models（EchoWM：开放且可进入的全模态世界模型）
[02:40] 🛒 TLive-Omni: An Omni-Modal Understanding Model for E-Commerce Live Streaming（TLive-Omni：面向电商直播的全模态理解模型）
[03:22] 🎨 Unlocking the Potential of Image Editing via Concept Scaling and Dense Supervision（通过概念缩放与密集监督解锁图像编辑的潜力）
[04:20] 📱 MobilePA-Bench: Benchmarking Mobile Planner Agents on Complex Real-World Tasks（MobilePA-Bench：面向复杂真实世界任务的移动规划智能体基准评测）
[05:16] 🤖 Prime Agent: A Self-Improving RLM Harness（Prime Agent：一种自我改进的递归语言模型工具框架）
[06:22] 🧊 Block3D: Efficient Text-to-3D Generation via Block-Wise Diffusion（Block3D：通过块状扩散的高效文本到三维生成）
[07:09] 🚗 RISE: Adaptive Imagination for World Action Models（RISE：面向世界行动模型的自适应想象）
[08:19] 📈 Towards a Densing Law for User Representation Learning at Billion-Scale Capacity（面向十亿级容量用户表示学习的稠密化定律）
[09:26] ⚖ ARC: Fair Relative Advantage Comparison in Open-Ended Real-World Interaction（ARC：开放式真实世界交互中的公平相对优势比较）
[10:27] 🧠 ReWorld: An Interactive World Model with Long-Horizon Memory（ReWorld：一个具有长时记忆的交互式世界模型）
[11:29] ⚖ Beyond t...

【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] 🚀 Let's Scale Step by Step: Compute-Efficient Hyperparameter Transfer for Large-Scale Mixture-of-Experts（让我们一步一步扩展规模：面向大规模混合专家模型的高效超参数迁移）
[01:24] 🕸 Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence（大语言模型智能体时代的图工程：从个体智能到系统智能）
[02:21] 🤖 OmniAssistBench: Assistant-style Interaction Benchmark for Omni-LLMs（OmniAssistBench：全模态大语言模型的助手式交互基准）
[03:17] ⚡ ParaTempo: Efficient Parallel Reasoning via Temporal Confidence（ParaTempo：基于时间置信度的高效并行推理）
[04:00] ♾ InfinityEdit: Infinite Video Editing with a Lightweight Edit-Ignition Adapter（InfinityEdit：基于轻量级编辑触发适配器的无限视频编辑）
[04:53] 🪙 Every Coin Has Two Sides: On the Dual Nature of Generalization in On-Policy Distillation of Large Language Models（每一枚硬币都有两面：论大型语言模型同策略蒸馏中泛化的双重性）
[05:37] 🧩 EviRank: Structured Relevance Evidence for Multimodal Image Re-ranking（EviRank：面向多模态图像重排序的结构化相关性证据）
[06:46] 🧠 Beyond Correctness: Benchmarking and Aligning Response Behaviors in Hybrid-Thinking MLLMs（超越正确性：混合思考多模态大语言模型的响应行为基准测试与对齐）
[07:45] 🎨 UniSpace: Unified Visual Representation and Scalable Multimodal Modeling（UniSpace：统一视觉表示与可扩展多模态建模）
[08:39] 🛒 Towards Faithful Simulation of Human Shopping Behavior（面向人类购物行为的忠实模拟）
[09:35] ⚙ AgentMe...