duan

HuggingFace 每日AI论文速递

Technology ZH ↓ 730 epizód

每天10分钟，带您快速了解当日HuggingFace热门AI论文内容。每个工作日更新，欢迎订阅。📢播客节目在小宇宙、Apple Podcast平台搜索【HuggingFace 每日AI论文速递】🖼另外还有图文版，可在小红书搜索并关注【AI速递】

Mindenképp látogasd meg a podcast oldalát, és támogasd a készítőjét: www.xiaoyuzhoufm.com

Szerző

duan

Kategória

Technology

A podcast weboldala

www.xiaoyuzhoufm.com

Legutóbbi epizód

2026. okt. 29.

Hol hallgathatod?

Podcastok az alkalmazásban Replaio Radio Hamarosan

A podcastok hamarosan megérkeznek az alkalmazásba. Telepítsd most, és láss elsőként egy teljesen új megközelítést a podcastokhoz

Telepítsd ingyen Android közel 10 M letöltés · 4,8-as értékelés iOS hamarosan

Epizódok

【月末特辑】12月最火AI论文 | 代码智能全链路落地；开源模型推理代理双突破 01.01.2026 23:06

本期的 10 篇论文如下： [00:29] TOP1(🔥279) | 🧠 From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence（从代码基础模型到智能体与应用：代码智能实用指南） [02:22] TOP2(🔥242) | 🚀 DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models（DeepSeek-V3.2：推动开放大型语言模型前沿） [04:45] TOP3(🔥217) | 🚀 Z-Image: An Efficient Image Generation Foundatio...

2026.01.01 | 小模型也能原生外挂；30B-MoE智体逼近大模型 01.01.2026 10:51

本期的 15 篇论文如下： [00:22] 🚀 Youtu-LLM: Unlocking the Native Agentic Potential for Lightweight Large Language Models（Youtu-LLM：解锁轻量级大语言模型的原生智能体潜力） [01:00] 🤖 Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem（任其流动：摇滚乐上的智能体构建，在开放智能体学习生态系统中建立ROME模型） [01:52] 🧠 mHC: Manifold-Con...

2025.12.31 | 粗模精雕UltraShape；涂鸦编辑DreamOmni3 31.12.2025 4:32

本期的 6 篇论文如下： [00:24] 🧊 UltraShape 1.0: High-Fidelity 3D Shape Generation via Scalable Geometric Refinement（UltraShape 1.0：通过可扩展几何精化的高保真3D形状生成） [01:00] 🎨 DreamOmni3: Scribble-based Editing and Generation（DreamOmni3：基于涂鸦的编辑与生成） [01:34] 🧠 End-to-End Test-Time Training for Long Context（面向长上下文的端到端测试时训练） [02:18] 🔬 Evaluating Parameter Effici...

2025.12.30 | ERC耦合路由与专家；LiveTalk实时视频对话 30.12.2025 10:39

本期的 15 篇论文如下： [00:24] 🔗 Coupling Experts and Routers in Mixture-of-Experts via an Auxiliary Loss（通过辅助损失耦合专家混合模型中的专家与路由器） [01:07] 🎬 LiveTalk: Real-Time Multimodal Interactive Video Diffusion via Improved On-Policy Distillation（LiveTalk：通过改进的策略内蒸馏实现实时多模态交互式视频扩散） [01:55] 🌍 Yume-1.5: A Text-Controlled Interactive World Generation Model（Yu...

2025.12.29 | 鸟瞰式检索提效小模型；4D扩散一键插入逼真物体 29.12.2025 9:43

本期的 13 篇论文如下： [00:27] 🧠 Mindscape-Aware Retrieval Augmented Generation for Improved Long Context Understanding（面向提升长文本理解的思维景观感知检索增强生成） [01:07] 🎬 InsertAnywhere: Bridging 4D Scene Geometry and Diffusion Models for Realistic Video Object Insertion（InsertAnywhere：连接4D场景几何与扩散模型以实现逼真的视频对象插入） [01:46] 🤖 MAI-UI Technical Report: Real-World Cent...

【周末特辑】12月第5周最火AI论文 | DataFlow炼数工厂上线；AI科学家跑不完闭环 27.12.2025 12:36

本期的 5 篇论文如下： [00:42] TOP1(🔥188) | ⚙ DataFlow: An LLM-Driven Framework for Unified Data Preparation and Workflow Automation in the Era of Data-Centric AI（DataFlow：面向数据为中心AI时代的统一数据准备与工作流自动化LLM驱动框架） [02:34] TOP2(🔥105) | 🔬 Probing Scientific General Intelligence of LLMs with Scientist-Aligned Workflows（通过科学家对齐的工作流程探究大语言模型的科学通用智能） [0...

2025.12.26 | 暗号token涨点视觉推理；3D便签本让视频长脑子 26.12.2025 4:37

本期的 6 篇论文如下： [00:19] 🧠 Latent Implicit Visual Reasoning（潜在隐式视觉推理） [00:56] 🎬 Spatia: Video Generation with Updatable Spatial Memory（Spatia：基于可更新空间记忆的视频生成） [01:36] 🧠 Schoenfeld's Anatomy of Mathematical Reasoning by Language Models（基于舍恩菲尔德理论的语言模型数学推理解剖） [02:11] 🔍 How Much 3D Do Video Foundation Models Encode?（视频基础模型编码了多少3D信息...

2025.12.25 | 四维动态理解刷新VLM；单卡200倍速生成高清视频 25.12.2025 10:24

本期的 14 篇论文如下： [00:20] 🧠 Learning to Reason in 4D: Dynamic Spatial Understanding for Vision Language Models（学习在四维空间中推理：视觉语言模型的动态空间理解） [01:11] ⚡ TurboDiffusion: Accelerating Video Diffusion Models by 100-200 Times（TurboDiffusion：将视频扩散模型加速100-200倍） [01:52] 🧭 T2AV-Compass: Towards Unified Evaluation for Text-to-Audio-Video Generation（T2AV-Compass：迈...

2025.12.24 | 语义蓝图提速视频生成；逐层剖析炼出强策略 24.12.2025 10:32

本期的 15 篇论文如下： [00:19] 🎬 SemanticGen: Video Generation in Semantic Space（SemanticGen：在语义空间中的视频生成） [01:01] 🔍 Bottom-up Policy Optimization: Your Language Model Policy Secretly Contains Internal Policies（自底向上策略优化：你的语言模型策略中暗含内部策略） [01:48] 🧠 SpatialTree: How Spatial Abilities Branch Out in MLLMs（SpatialTree：多模态大语言模型中的空间能力如何分支发展）...

2025.12.23 | 数据工厂提效；棱镜假说统合 23.12.2025 10:55

本期的 15 篇论文如下： [00:22] ⚙ DataFlow: An LLM-Driven Framework for Unified Data Preparation and Workflow Automation in the Era of Data-Centric AI（DataFlow：面向数据为中心AI时代的统一数据准备与工作流自动化LLM驱动框架） [01:04] 🔍 The Prism Hypothesis: Harmonizing Semantic and Pixel Representations via Unified Autoencoding（棱镜假说：通过统一自编码协调语义与像素表示） [01:50] 🎬 Region-Constrai...

2025.12.22 | PhysBrain用第一人称视频让AI学会动手；大模型离科学家AI还差得远 22.12.2025 11:06

本期的 15 篇论文如下： [00:24] 🧠 PhysBrain: Human Egocentric Data as a Bridge from Vision Language Models to Physical Intelligence（PhysBrain：以人类第一人称数据为桥梁，从视觉语言模型迈向物理智能） [01:05] 🔬 Probing Scientific General Intelligence of LLMs with Scientist-Aligned Workflows（通过科学家对齐的工作流程探究大语言模型的科学通用智能） [01:34] 🧠 When Reasoning Meets Its Laws（当推理遇见...

【周末特辑】12月第4周最火AI论文 | 全能生成Kling-Omni秒出4K影片；Step-GUI让手机代理本地跑 20.12.2025 13:23

本期的 5 篇论文如下： [00:37] TOP1(🔥117) | 🎬 Kling-Omni Technical Report（Kling-Omni技术报告） [02:55] TOP2(🔥116) | 🤖 Step-GUI Technical Report（Step-GUI技术报告） [05:54] TOP3(🔥112) | 🧠 MMGR: Multi-Modal Generative Reasoning（MMGR：多模态生成式推理评估与基准） [08:04] TOP4(🔥97) | 🎥 EgoX: Egocentric Video Generation from a Single Exocentric Video（EgoX：从单视角外中心视频生成自我中心视频）...

2025.12.19 | Kling-Omni一统视频生成；LLaDA2.0百亿扩散模型 19.12.2025 10:16

本期的 14 篇论文如下： [00:26] 🎬 Kling-Omni Technical Report（Kling-Omni技术报告） [01:02] 🚀 LLaDA2.0: Scaling Up Diffusion Language Models to 100B（LLaDA2.0：将扩散语言模型扩展至1000亿参数） [01:41] 🔮 Next-Embedding Prediction Makes Strong Vision Learners（下一嵌入预测构建强大的视觉学习器） [02:27] 👓 StereoPilot: Learning Unified and Efficient Stereo Conversion via Generative Priors（StereoPi...

2025.12.18 | 校准步长奖励砍成本；扩散草稿自回归验证提速 18.12.2025 10:15

本期的 14 篇论文如下： [00:25] 🤖 Step-GUI Technical Report（Step-GUI技术报告） [00:59] ⚡ DEER: Draft with Diffusion, Verify with Autoregressive Models（DEER：基于扩散模型生成草稿，基于自回归模型验证） [01:31] ⚡ Fast and Accurate Causal Parallel Decoding using Jacobi Forcing（使用雅可比强制实现快速准确的因果并行解码） [02:10] 🚀 HyperVL: An Efficient and Dynamic Multimodal Large Language Model f...

2025.12.17 | MMGR揭多模态推理短板；WorldPlay保几何一致实时建模 17.12.2025 11:26

本期的 15 篇论文如下： [00:23] 🧠 MMGR: Multi-Modal Generative Reasoning（MMGR：多模态生成式推理评估与基准） [01:14] 🎮 WorldPlay: Towards Long-Term Geometric Consistency for Real-Time Interactive World Modeling（WorldPlay：面向实时交互式世界建模的长期几何一致性研究） [01:47] 🤖 Video Reality Test: Can AI-Generated ASMR Videos fool VLMs and Humans?（视频真实性测试：AI生成的ASMR视频能否欺骗视觉语言...

2025.12.16 | 代理记忆三维框架；VTP刷新生成纪录 16.12.2025 10:48

本期的 15 篇论文如下： [00:20] 🧠 Memory in the Age of AI Agents（人工智能代理时代下的记忆） [00:57] 🚀 Towards Scalable Pre-training of Visual Tokenizers for Generation（迈向可扩展的视觉分词器预训练用于生成任务） [01:42] 🎬 LongVie 2: Multimodal Controllable Ultra-Long Video World Model（LongVie 2：多模态可控超长视频世界模型） [02:41] ⚡ ReFusion: A Diffusion Large Language Model with Parallel Au...

2025.12.15 | 牙科小模型逆袭；扩散模型弃VAE 15.12.2025 9:23

本期的 14 篇论文如下： [00:22] 🦷 DentalGPT: Incentivizing Multimodal Complex Reasoning in Dentistry（DentalGPT：激励牙科领域多模态复杂推理） [00:53] 🎨 SVG-T2I: Scaling Up Text-to-Image Latent Diffusion Model Without Variational Autoencoder（SVG-T2I：无需变分自编码器即可扩展文本到图像潜在扩散模型） [01:41] 🎥 EgoX: Egocentric Video Generation from a Single Exocentric Video（EgoX：从单视角外中心视...

【周末特辑】12月第3周最火AI论文 | 潜轨迹制导视频运动；并行自蒸馏提速推理 13.12.2025 11:27

本期的 5 篇论文如下： [00:30] TOP1(🔥117) | 🎬 Wan-Move: Motion-controllable Video Generation via Latent Trajectory Guidance（Wan-Move：通过潜在轨迹引导实现运动可控的视频生成） [02:11] TOP2(🔥71) | ⚡ Native Parallel Reasoner: Reasoning in Parallelism via Self-Distilled Reinforcement Learning（原生并行推理器：通过自蒸馏强化学习实现并行推理） [04:18] TOP3(🔥71) | 🚀 Visionary: The World Model Carri...

2025.12.12 | RL捏3D新纪录；AI奥赛摘银牌 12.12.2025 11:01

本期的 15 篇论文如下： [00:25] 🤖 Are We Ready for RL in Text-to-3D Generation? A Progressive Investigation（我们准备好将强化学习应用于文本到3D生成领域了吗？一项渐进式研究） [01:01] 🧠 Long-horizon Reasoning Agent for Olympiad-Level Mathematical Problem Solving（用于奥赛级数学问题求解的长程推理智能体） [01:36] 🚀 T-pro 2.0: An Efficient Russian Hybrid-Reasoning Model and Playground（T-pro 2.0：一...

2025.12.11 | StereoWorld单目秒变立体大片；BiCo跨域拼贴新概念 11.12.2025 11:17

本期的 15 篇论文如下： [00:22] 🎥 StereoWorld: Geometry-Aware Monocular-to-Stereo Video Generation（StereoWorld：几何感知的单目到立体视频生成） [00:59] 🎨 Composing Concepts from Images and Videos via Concept-prompt Binding（通过概念-提示绑定从图像和视频中组合概念） [01:43] 🧠 BrainExplore: Large-Scale Discovery of Interpretable Visual Representations in the Human Brain（BrainExplore：人脑中可解释...

2025.12.10 | 潜在轨迹控运动；WebGPU实时溅射 10.12.2025 10:39

本期的 15 篇论文如下： [00:24] 🎬 Wan-Move: Motion-controllable Video Generation via Latent Trajectory Guidance（Wan-Move：通过潜在轨迹引导实现运动可控的视频生成） [00:55] 🚀 Visionary: The World Model Carrier Built on WebGPU-Powered Gaussian Splatting Platform（Visionary：基于WebGPU驱动的高斯溅射平台的世界模型载体） [01:32] 🎬 Preserving Source Video Realism: High-Fidelity Face Swapping for Cinem...

2025.12.09 | 并行自蒸馏提速4.6倍；虚部RoPE++长文本双优化 09.12.2025 10:39

本期的 15 篇论文如下： [00:20] ⚡ Native Parallel Reasoner: Reasoning in Parallelism via Self-Distilled Reinforcement Learning（原生并行推理器：通过自蒸馏强化学习实现并行推理） [01:04] 🧠 Beyond Real: Imaginary Extension of Rotary Position Embeddings for Long-Context LLMs（超越实数：用于长上下文大语言模型的旋转位置编码虚部扩展） [01:54] 🎬 Unified Video Editing with Temporal Reasoner（基于时序推理...

2025.12.08 | 自对抗一步生成；外挂评审迭代编辑 08.12.2025 10:08

本期的 15 篇论文如下： [00:19] ⚡ TwinFlow: Realizing One-step Generation on Large Models with Self-adversarial Flows（TwinFlow：基于自对抗流实现大模型的一步生成） [00:49] 🤔 EditThinker: Unlocking Iterative Reasoning for Any Image Editor（EditThinker：为任意图像编辑器解锁迭代推理能力） [01:26] 🎨 PaCo-RL: Advancing Reinforcement Learning for Consistent Image Generation with Pairwise Reward Modeli...

【周末特辑】12月第2周最火AI论文 | 代码智能全链路拆解；开源DeepSeek-V3.2登顶 07.12.2025 11:36

本期的 5 篇论文如下： [00:32] TOP1(🔥239) | 🧠 From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence（从代码基础模型到智能体与应用：代码智能实用指南） [03:05] TOP2(🔥169) | 🚀 DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models（DeepSeek-V3.2：推动开放大型语言模型前沿） [04:58] TOP3(🔥148) | 🎬 LongVT: Incentivizing "Thinking with Long Videos"...

2025.12.05 | DAComp立Agent新靶；流式化身无限实时 05.12.2025 10:59

本期的 15 篇论文如下： [00:22] 📊 DAComp: Benchmarking Data Agents across the Full Data Intelligence Lifecycle（DAComp：跨全数据智能生命周期的数据智能体基准测试） [01:07] 🤖 Live Avatar: Streaming Real-time Audio-Driven Avatar Generation with Infinite Length（实时虚拟化身：基于无限时长的流式实时音频驱动化身生成） [01:42] 🤖 Nex-N1: Agentic Models Trained via a Unified Ecosystem for Large-Scale Env...