duan

HuggingFace 每日AI论文速递

Technology ZH ↓ 733 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. nov. 3.

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

【周末特辑】10月第2周最火AI论文 | 递归小模型刷爆推理榜；未来经验点亮零奖励学习 12.10.2025 11:39

本期的 5 篇论文如下： [00:33] TOP1(🔥300) | 🧠 Less is More: Recursive Reasoning with Tiny Networks（小而精：用微型网络递归推理） [02:16] TOP2(🔥164) | 🌱 Agent Learning via Early Experience（基于早期经验的主体学习） [04:15] TOP3(🔥105) | 🧠 Apriel-1.5-15b-Thinker（Apriel-1.5-15B-Thinker：以小博大实现前沿多模态推理的15B开源模型） [06:17] TOP4(🔥97) | 🧠 MM-HELIX: Boosting Multimodal Long-Chain Ref...

2025.10.10 | 早期经验的Agent Learning；图文交错反思链跃升至24.9% 10.10.2025 10:00

本期的 14 篇论文如下： [00:16] 🌱 Agent Learning via Early Experience（基于早期经验的主体学习） [00:50] 🧠 MM-HELIX: Boosting Multimodal Long-Chain Reflective Reasoning with Holistic Platform and Adaptive Hybrid Policy Optimization（MM-HELIX：以整体平台与自适应混合策略优化激发多模态长链反思推理） [01:42] 🧪 From What to Why: A Multi-Agent System for Evidence-based Chemical Reaction Condition Reaso...

2025.10.09 | Ming-UniVision统一视觉词表；KV-Cache直连让大模型秒聊 09.10.2025 11:46

本期的 15 篇论文如下： [00:21] 🔄 Ming-UniVision: Joint Image Understanding and Generation with a Unified Continuous Tokenizer（Ming-UniVision：用统一连续视觉词表打通图像理解与生成） [00:59] 🧠 Cache-to-Cache: Direct Semantic Communication Between Large Language Models（缓存到缓存：大模型间的直接语义通信） [01:32] 🌀 Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation a...

2025.10.08 | TaTToo用外挂代码干翻大模型；4B小模型32步逼近闭源巨头 08.10.2025 11:16

本期的 15 篇论文如下： [00:24] 📊 TaTToo: Tool-Grounded Thinking PRM for Test-Time Scaling in Tabular Reasoning（TaTToo：面向表格推理测试时扩展的“工具落地思维”过程奖励模型） [00:57] 🔍 Fathom-DeepResearch: Unlocking Long Horizon Information Retrieval and Synthesis for SLMs（Fathom-DeepResearch：解锁小模型长程信息检索与综合的钥匙） [01:39] 🚀 Fast-dLLM v2: Efficient Block-Diffusion LLM（Fast-dLLM v...

2025.10.07 | 论文秒变演讲；Video-LMM后训练突破 07.10.2025 11:02

本期的 15 篇论文如下： [00:21] 🎬 Paper2Video: Automatic Video Generation from Scientific Papers（论文自动生成学术演讲视频） [00:55] 🎬 Video-LMM Post-Training: A Deep Dive into Video Reasoning with Large Multimodal Models（Video-LMM后训练：深入剖析大型多模态模型的视频推理） [01:38] 🎬 VChain: Chain-of-Visual-Thought for Reasoning in Video Generation（VChain：面向视频生成推理的视觉思维链） [02:14]...

2025.10.06 | 15B小模型追平DeepSeek-R1；渐进蒸馏128 token省八成算力 06.10.2025 11:02

本期的 15 篇论文如下： [00:28] 🧠 Apriel-1.5-15b-Thinker（Apriel-1.5-15B-Thinker：以小博大实现前沿多模态推理的15B开源模型） [01:04] 🚀 Efficient Multi-modal Large Language Models via Progressive Consistency Distillation（基于渐进一致性蒸馏的高效多模态大模型） [01:42] 🧩 Compose Your Policies! Improving Diffusion-based or Flow-based Robot Policies via Test-time Distribution-level Composition（组合...

【周末特辑】10月第1周最火AI论文 | Transformer长出大脑的壳；LongLive把长视频做成直播 05.10.2025 12:14

本期的 5 篇论文如下： [00:43] TOP1(🔥323) | 🐣 The Dragon Hatchling: The Missing Link between the Transformer and Models of the Brain（幼龙破壳： Transformer 与大脑模型之间缺失的环节） [02:38] TOP2(🔥167) | 🎬 LongLive: Real-time Interactive Long Video Generation（LongLive：实时交互式长视频生成框架） [05:04] TOP3(🔥150) | 🔥 MCPMark: A Benchmark for Stress-Testing Realistic and Comprehensive MCP U...

2025.10.03 | LongCodeZip删得快准；迈向分钟级高质量视频生成 03.10.2025 11:19

本期的 15 篇论文如下： [00:22] 🗜 LongCodeZip: Compress Long Context for Code Language Models（LongCodeZip：面向代码大模型的长上下文压缩方法） [00:56] 🎬 Self-Forcing++: Towards Minute-Scale High-Quality Video Generation（自增强++：迈向分钟级高质量视频生成） [01:38] 🧠 ExGRPO: Learning to Reason from Experience（基于经验的群体相对策略优化：让大模型学会从经验中推理） [02:32] 🥷 StealthAttack: Robust...

2025.10.02 | MCTS破局RLVR瓶颈；GEM开源智能体训练场 02.10.2025 10:32

本期的 15 篇论文如下： [00:19] 🧠 DeepSearch: Overcome the Bottleneck of Reinforcement Learning with Verifiable Rewards via Monte Carlo Tree Search（DeepSearch：以蒙特卡洛树搜索破解强化学习可验证奖励瓶颈） [01:20] 🤖 GEM: A Gym for Agentic LLMs（GEM：面向智能体大模型的开放训练场） [01:57] 🧠 VLA-RFT: Vision-Language-Action Reinforcement Fine-tuning with Verified Rewards in World Simulators（VLA-RF...

【月末特辑】9月最火AI论文 | 群体RL共享降本；SAPO让旧机也能训大模型 02.10.2025 23:10

本期的 10 篇论文如下： [00:29] TOP1(🔥640) | 🤝 Sharing is Caring: Efficient LM Post-Training with Collective RL Experience Sharing（共享即关爱：基于集体RL经验共享的高效大模型后训练） [02:49] TOP2(🔥341) | 🔒 A.S.E: A Repository-Level Benchmark for Evaluating Security in AI-Generated Code（A.S.E：一个用于评估AI生成代码安全的仓库级基准） [04:59] TOP3(🔥218) | 🤖 VLA-Adapter: An Effective Paradigm f...

2025.10.01 | 自对弈零标注训练；MCP代理深度评测 01.10.2025 11:21

本期的 15 篇论文如下： [00:20] 🎮 Vision-Zero: Scalable VLM Self-Improvement via Strategic Gamified Self-Play（Vision-Zero：基于策略化博弈自对弈的可扩展视觉语言模型自我提升） [00:59] 🔥 MCPMark: A Benchmark for Stress-Testing Realistic and Comprehensive MCP Use（MCPMark：面向真实且全面的MCP应用场景的压力测试基准） [01:36] 🐣 The Dragon Hatchling: The Missing Link between the Transformer and Models...

2025.09.30 | SLA稀疏注意力砍算力；StableToken抗噪不训模 30.09.2025 11:45

本期的 15 篇论文如下： [00:22] ⚡ SLA: Beyond Sparsity in Diffusion Transformers via Fine-Tunable Sparse-Linear Attention（SLA：通过可微调稀疏线性注意力突破扩散Transformer的稀疏性极限） [01:05] 🗣 StableToken: A Noise-Robust Semantic Speech Tokenizer for Resilient SpeechLLMs（StableToken：一种面向韧性SpeechLLM的噪声鲁棒语义语音分词器） [01:54] 🎮 Multiplayer Nash Preference Optimization（多玩家纳什...

2025.09.29 | 实时长视频边聊边播；分位数基线稳控推理熵 29.09.2025 10:55

本期的 15 篇论文如下： [00:20] 🎬 LongLive: Real-time Interactive Long Video Generation（LongLive：实时交互式长视频生成框架） [00:56] 🎯 Quantile Advantage Estimation for Entropy-Safe Reasoning（用于熵安全推理的分位数优势估计） [01:34] 📄 MinerU2.5: A Decoupled Vision-Language Model for Efficient High-Resolution Document Parsing（MinerU2.5：面向高效高分辨率文档解析的解耦视觉-语言模型） [02:11] 🧠...

【周末特辑】9月第5周最火AI论文 | Qwen3-Omni开源称王; 锁定视觉训解码，Baseer刷新阿文OCR； 27.09.2025 12:37

本期的 5 篇论文如下： [00:38] TOP1(🔥116) | 📜 Baseer: A Vision-Language Model for Arabic Document-to-Markdown OCR（Baseer：面向阿拉伯文档OCR的视觉-语言模型） [02:43] TOP2(🔥113) | 🌐 Qwen3-Omni Technical Report（Qwen3-Omni技术报告：首个无性能损耗的全模态大模型） [05:23] TOP3(🔥112) | 🗺 RPG: A Repository Planning Graph for Unified and Scalable Codebase Generation（RPG：用于统一可扩展代码库生成的仓...

2025.09.26 | SciReasoner八项全能；MMR1模糊区炼出开源多模态 26.09.2025 11:17

本期的 15 篇论文如下： [00:20] 🔬 SciReasoner: Laying the Scientific Reasoning Ground Across Disciplines（SciReasoner：跨学科夯实科学推理基石） [01:00] 🧠 MMR1: Enhancing Multimodal Reasoning with Variance-Aware Sampling and Open Resources（MMR1：基于方差感知采样与开放资源的多模态推理增强） [01:41] 📈 VCRL: Variance-based Curriculum Reinforcement Learning for Large Language Models（VCRL：面向大语...

2025.09.25 | 视频模型零样本全能；隐式思维链省token提效 25.09.2025 7:59

本期的 10 篇论文如下： [00:22] 🎥 Video models are zero-shot learners and reasoners（视频模型是零样本学习者与推理者） [01:09] 🧠 SIM-CoT: Supervised Implicit Chain-of-Thought（SIM-CoT：基于监督式隐式思维链的高效推理） [01:55] 🪶 EmbeddingGemma: Powerful and Lightweight Text Representations（EmbeddingGemma：强大而轻量的文本表征模型） [02:29] 🗣 Advancing Speech Understanding in Speech-Aware Language...

2025.09.24 | 阿语OCR刷新指标；无标注RL涨分 24.09.2025 11:36

本期的 15 篇论文如下： [00:24] 📜 Baseer: A Vision-Language Model for Arabic Document-to-Markdown OCR（Baseer：面向阿拉伯文档OCR的视觉-语言模型） [00:58] 🚀 Reinforcement Learning on Pre-Training Data（基于预训练数据的强化学习） [01:37] 👁 Do You Need Proprioceptive States in Visuomotor Policies?（无需本体感觉状态的视觉-运动策略是否可行？） [02:36] 🚀 MiniCPM-V 4.5: Cooking Efficient MLLMs via Arch...

2025.09.23 | 少78条示范让AI飙73.5%；免掩膜视频插主体超Pika 23.09.2025 11:18

本期的 15 篇论文如下： [00:21] 🚀 LIMI: Less is More for Agency（LIMI：少即是多，打造AI智能体） [00:55] 🎬 OmniInsert: Mask-Free Video Insertion of Any Reference via Diffusion Transformer Models（无需掩膜的视频任意主体插入：基于扩散Transformer模型） [01:28] 🧩 OnePiece: Bringing Context Engineering and Reasoning to Industrial Cascade Ranking System（OnePiece：面向工业级级联排序系统的上下文工程与推...

2025.09.22 | 有向图驱动代码生成；双通道视觉统一模型 22.09.2025 9:35

本期的 13 篇论文如下： [00:25] 🗺 RPG: A Repository Planning Graph for Unified and Scalable Codebase Generation（RPG：用于统一可扩展代码库生成的仓库规划图） [01:00] 🌉 MANZANO: A Simple and Scalable Unified Multimodal Model with a Hybrid Vision Tokenizer（MANZANO：基于混合视觉词元器的简洁可扩展统一多模态模型） [01:42] 🧩 Latent Zoning Network: A Unified Principle for Generative Modeling, Representa...

【周末特辑】9月第4周最火AI论文 | OmniWorld打造4D数据工厂；WebWeaver让AI边搜边写 20.09.2025 13:21

本期的 5 篇论文如下： [00:43] TOP1(🔥95) | 🌍 OmniWorld: A Multi-Domain and Multi-Modal Dataset for 4D World Modeling（OmniWorld：面向4D世界建模的多领域多模态大规模数据集） [02:51] TOP2(🔥93) | 🔍 WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research（WebWeaver：面向开放型深度研究的动态提纲式网络证据结构化框架） [05:09] TOP3(🔥91) | 🤖 Scaling Agents via Cont...

2025.09.19 | 跨平台GUI模型刷榜；FlowRL分布匹配提推理 19.09.2025 11:38

本期的 15 篇论文如下： [00:26] 🖥 ScaleCUA: Scaling Open-Source Computer Use Agents with Cross-Platform Data（ScaleCUA：基于跨平台数据的开源计算机智能体规模化方案） [01:01] 🌊 FlowRL: Matching Reward Distributions for LLM Reasoning（FlowRL：通过流匹配奖励分布提升大语言模型推理能力） [01:57] 🧭 Reasoning over Boundaries: Enhancing Specification Alignment via Test-time Delibration（跨越边界推理：借助...

2025.09.18 | FP8压缩+翻译微调低成本炼阿语大模型；2B-8B小模型洗数据硬刚GPT-4o 18.09.2025 10:41

本期的 14 篇论文如下： [00:19] 🐪 Hala Technical Report: Building Arabic-Centric Instruction & Translation Models at Scale（Hala技术报告：规模化构建阿拉伯语为中心的指令与翻译模型） [00:56] 🚀 SAIL-VL2 Technical Report（SAIL-VL2技术报告） [01:42] 🌐 PANORAMA: The Rise of Omnidirectional Vision in the Embodied AI Era（全景视界：具身AI时代的360°视觉崛起） [02:33] 🎓 GenExam: A Multidisciplinary Text-...

2025.09.17 | WebWeaver框架提升可信长文报告；Agentic预训练扩展智能体系统 17.09.2025 8:01

本期的 11 篇论文如下： [00:27] 🔍 WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research（WebWeaver：面向开放型深度研究的动态提纲式网络证据结构化框架） [01:08] 🤖 Scaling Agents via Continual Pre-training（基于持续预训练扩展智能体系统规模的研究） [01:52] ⛵ WebSailor-V2: Bridging the Chasm to Proprietary Agents via Synthetic Data and Scalable Reinforcement Lea...

2025.09.16 | OmniWorld建4D数据底座；UI-S1半在线驯界面代理 16.09.2025 9:00

本期的 14 篇论文如下： [00:24] 🌍 OmniWorld: A Multi-Domain and Multi-Modal Dataset for 4D World Modeling（OmniWorld：面向4D世界建模的多领域多模态大规模数据集） [01:12] 🤖 UI-S1: Advancing GUI Automation via Semi-online Reinforcement Learning（UI-S1：基于半在线强化学习的图形界面自动化新进展） [01:51] 🏠 InternScenes: A Large-scale Simulatable Indoor Scene Dataset with Realistic Layouts（InternScen...

2025.09.15 | 数据集升级测互动；模型大小非长程瓶颈 15.09.2025 10:06

本期的 14 篇论文如下： [00:25] 📚 IntrEx: A Dataset for Modeling Engagement in Educational Conversations（IntrEx：面向教育对话中参与度建模的数据集） [01:02] 📏 The Illusion of Diminishing Returns: Measuring Long Horizon Execution in LLMs（“收益递减的幻觉”：衡量大语言模型的长时程执行能力） [01:54] 🧩 X-Part: high fidelity and structure coherent shape decomposition（X-Part：高保真且结构一致的三维形...