HuggingFace 每日AI论文速递

本期的 11 篇论文如下： [00:22] 🔄 Beyond Fixed: Variable-Length Denoising for Diffusion Large Language Models（超越固定长度：扩散大语言模型的可变长度去噪） [00:44] 🎨 PixNerd: Pixel Neural Field Diffusion（PixNerd：像素神经场扩散） [01:11] 💡 SWE-Exp: Experience-Driven Software Issue Resolution（SWE-Exp：经验驱动的软件问题解决） [01:38] 🔍 Multimodal Referring Segmentation: A Survey（多模态指代表...

本期的 10 篇论文如下： [00:30] TOP1(🔥257) | 🚀 Group Sequence Policy Optimization（组序列策略优化） [02:21] TOP2(🔥227) | 🧮 A Survey of Context Engineering for Large Language Models（大型语言模型上下文工程综述） [03:33] TOP3(🔥207) | 🧠 GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement Learning（GLM-4.1V-Thinking：基于可扩展强化学习的通用多模态推理） [05:02] T...

本期的 5 篇论文如下： [00:32] TOP1(🔥114) | 🤖 Agentic Reinforced Policy Optimization（智能体强化策略优化） [02:17] TOP2(🔥94) | 🌍 HunyuanWorld 1.0: Generating Immersive, Explorable, and Interactive 3D Worlds from Words or Pixels（混元世界 1.0：从文字或像素生成沉浸式、可探索、可交互的3D世界） [05:04] TOP3(🔥76) | 🏆 Seed-Prover: Deep and Broad Reasoning for Automated Theorem Proving（Seed-Prover...

本期的 15 篇论文如下： [00:22] 🏆 Seed-Prover: Deep and Broad Reasoning for Automated Theorem Proving（Seed-Prover：自动化定理证明的深度与广度推理） [01:04] 🎯 Phi-Ground Tech Report: Advancing Perception in GUI Grounding（Phi-Ground 技术报告：提升 GUI 接地感知能力） [01:30] 🤔 C3: A Bilingual Benchmark for Spoken Dialogue Models Exploring Challenges in Complex Conversations（C3：探索复杂对话挑战...

本期的 9 篇论文如下： [00:22] 💻 ScreenCoder: Advancing Visual-to-Code Generation for Front-End Automation via Modular Multimodal Agents（ScreenCoder：模块化多模态智能体赋能前端视觉代码生成） [01:02] 🚀 Falcon-H1: A Family of Hybrid-Head Language Models Redefining Efficiency and Performance（Falcon-H1：重塑效率与性能的混合架构语言模型系列） [01:33] 💥 BANG: Dividing 3D Assets via Generative Explod...

本期的 8 篇论文如下： [00:23] 🌍 HunyuanWorld 1.0: Generating Immersive, Explorable, and Interactive 3D Worlds from Words or Pixels（混元世界 1.0：从文字或像素生成沉浸式、可探索、可交互的3D世界） [00:56] ✨ X-Omni: Reinforcement Learning Makes Discrete Autoregressive Image Generative Models Great Again（X-Omni：强化学习让离散自回归图像生成模型再展辉煌） [01:59] 🚀 CUDA-L1: Improving CUDA Optimizat...

本期的 15 篇论文如下： [00:23] 🤖 Agentic Reinforced Policy Optimization（智能体强化策略优化） [00:55] 🧠 ARC-Hunyuan-Video-7B: Structured Video Comprehension of Real-World Shorts（ARC-Hunyuan-Video-7B：真实世界短视频的结构化理解） [01:35] 🚀 Rep-MTL: Unleashing the Power of Representation-level Task Saliency for Multi-Task Learning（Rep-MTL：释放表示层任务显著性在多任务学习中的力量） [02:03] 🌐 R...

本期的 5 篇论文如下： [00:25] 💡 The Geometry of LLM Quantization: GPTQ as Babai's Nearest Plane Algorithm（LLM 量化的几何学：GPTQ 作为 Babai 最近平面算法） [00:52] ✨ Deep Researcher with Test-Time Diffusion（基于测试时扩散的深度研究智能体） [01:40] 🔧 Specification Self-Correction: Mitigating In-Context Reward Hacking Through Test-Time Refinement（规范自校正：通过测试时细化缓解上下文奖励破解） [...

本期的 5 篇论文如下： [00:36] TOP1(🔥118) | 🎯 GUI-G$^2$: Gaussian Reward Modeling for GUI Grounding（GUI-G$^2$: 基于高斯奖励模型的GUI定位） [02:14] TOP2(🔥108) | 🧮 MiroMind-M1: An Open-Source Advancement in Mathematical Reasoning via Context-Aware Multi-Stage Policy Optimization（MiroMind-M1：通过上下文感知多阶段策略优化实现数学推理的开源进展） [05:19] TOP3(🔥96) | ♾ Beyond Context Limits: Subco...

本期的 15 篇论文如下： [00:24] 🚀 Group Sequence Policy Optimization（组序列策略优化） [00:53] 🧠 MUR: Momentum Uncertainty guided Reasoning for Large Language Models（MUR：面向大型语言模型的动量不确定性引导推理） [01:30] 🧠 LAPO: Internalizing Reasoning Efficiency via Length-Adaptive Policy Optimization（LAPO：内化推理效率的长度自适应策略优化） [02:09] 🎬 Captain Cinema: Towards Short Movie Gener...

本期的 9 篇论文如下： [00:23] 👁 Pixels, Patterns, but No Poetry: To See The World like Humans（像素、模式，却无诗意：像人类一样感知世界） [00:56] 🌌 Yume: An Interactive World Generation Model（Yume：交互式世界生成模型） [01:29] ✨ DesignLab: Designing Slides Through Iterative Detection and Correction（DesignLab：通过迭代检测与修正进行幻灯片设计） [02:14] 🧠 Can One Domain Help Others? A Data-Cent...

本期的 15 篇论文如下： [00:24] ♾ Beyond Context Limits: Subconscious Threads for Long-Horizon Reasoning（超越上下文限制：用于长程推理的潜意识线索） [01:05] 🔊 Step-Audio 2 Technical Report（Step-Audio 2 技术报告） [01:41] 🚀 MegaScience: Pushing the Frontiers of Post-Training Datasets for Science Reasoning（MegaScience：推动科学推理后训练数据集的前沿） [02:23] ⚡ Upsample What Matters: Region-Adap...

本期的 15 篇论文如下： [00:25] 🧮 MiroMind-M1: An Open-Source Advancement in Mathematical Reasoning via Context-Aware Multi-Stage Policy Optimization（MiroMind-M1：通过上下文感知多阶段策略优化实现数学推理的开源进展） [01:00] 🎯 GUI-G$^2$: Gaussian Reward Modeling for GUI Grounding（GUI-G$^2$: 用于GUI定位的高斯奖励建模） [01:42] ⛓ The Invisible Leash: Why RLVR May Not Escape Its Origin（隐形束缚：R...

本期的 10 篇论文如下： [00:20] 😈 The Devil behind the mask: An emergent safety vulnerability of Diffusion LLMs（隐藏在面具后的恶魔：扩散大语言模型的一种新兴安全漏洞） [01:12] 🎤 A Data-Centric Framework for Addressing Phonetic and Prosodic Challenges in Russian Speech Generative Models（解决俄语语音生成模型中语音与韵律挑战的数据中心框架） [02:07] 🧩 Franca: Nested Matryoshka Clustering for Scalab...

本期的 5 篇论文如下： [00:39] TOP1(🔥116) | 🧮 A Survey of Context Engineering for Large Language Models（大型语言模型上下文工程综述） [02:35] TOP2(🔥86) | 🧠 Test-Time Scaling with Reflective Generative Model（基于反射生成模型的测试时缩放） [04:31] TOP3(🔥74) | 🤔 Reasoning or Memorization? Unreliable Results of Reinforcement Learning Due to Data Contamination（推理还是记忆？数据污染导致强化学习...

本期的 15 篇论文如下： [00:27] 🧮 A Survey of Context Engineering for Large Language Models（大型语言模型上下文工程综述） [01:16] 🧠 VisionThink: Smart and Efficient Vision Language Model via Reinforcement Learning（VisionThink：基于强化学习的智能高效视觉语言模型） [02:08] 📸 $π^3$: Scalable Permutation-Equivariant Visual Geometry Learning（$\pi^3$：可扩展的置换等变视觉几何学习） [02:52] 🤖 The Im...

本期的 13 篇论文如下： [00:26] 🧠 Towards Agentic RAG with Deep Reasoning: A Survey of RAG-Reasoning Systems in LLMs（具身智能RAG与深度推理：LLM中RAG推理系统综述） [01:17] 🧱 PhysX: Physical-Grounded 3D Asset Generation（PhysX：基于物理的3D资产生成） [02:04] 🚗 MMHU: A Massive-Scale Multimodal Benchmark for Human Behavior Understanding（MMHU：一个用于人类行为理解的大规模多模态基准） [03:05] 🚀 SWE...

本期的 8 篇论文如下： [00:28] 💡 Vision-Language-Vision Auto-Encoder: Scalable Knowledge Distillation from Diffusion Models（视觉-语言-视觉自编码器：从扩散模型中进行可扩展的知识蒸馏） [01:27] 🤖 EXAONE 4.0: Unified Large Language Models Integrating Non-reasoning and Reasoning Modes（EXAONE 4.0：融合非推理与推理模式的统一大型语言模型） [02:24] ⚖ Scaling Laws for Optimal Data Mixtures（最优数据混合...

本期的 12 篇论文如下： [00:24] 🗣 SpeakerVid-5M: A Large-Scale High-Quality Dataset for Audio-Visual Dyadic Interactive Human Generation（SpeakerVid-5M：用于视听二元交互式虚拟人生成的大规模高质量数据集） [01:12] 🤔 Reasoning or Memorization? Unreliable Results of Reinforcement Learning Due to Data Contamination（推理还是记忆？数据污染导致强化学习结果不可靠） [02:03] 🤖 EmbRACE-3K: Embodied Reasonin...

本期的 14 篇论文如下： [00:22] 🧠 Test-Time Scaling with Reflective Generative Model（基于反射生成模型的测试时缩放） [00:59] 💡 CLiFT: Compressive Light-Field Tokens for Compute-Efficient and Adaptive Neural Rendering（CLiFT：用于计算高效和自适应神经渲染的压缩光场令牌） [01:34] 💻 NeuralOS: Towards Simulating Operating Systems via Neural Generative Models（NeuralOS：迈向通过神经生成模型模拟操作系...

本期的 5 篇论文如下： [00:42] TOP1(🔥109) | 🎬 Scaling RL to Long Videos（强化学习驱动视觉语言模型扩展至长视频） [02:54] TOP2(🔥106) | 🧠 MemOS: A Memory OS for AI System（MemOS：面向人工智能系统的内存操作系统） [05:19] TOP3(🔥91) | 🖼 T-LoRA: Single Image Diffusion Model Customization Without Overfitting（T-LoRA：无过拟合的单图像扩散模型定制） [07:51] TOP4(🔥88) | 💡 SingLoRA: Low Rank Adaptation...

本期的 15 篇论文如下： [00:25] 🎬 Scaling RL to Long Videos（强化学习驱动视觉语言模型扩展至长视频） [01:10] 🖼 T-LoRA: Single Image Diffusion Model Customization Without Overfitting（T-LoRA：无过拟合的单图像扩散模型定制） [01:49] 🖼 Traceable Evidence Enhanced Visual Grounded Reasoning: Evaluation and Methodology（可追踪证据增强的视觉基础推理：评估与方法） [02:28] 🤖 OST-Bench: Evaluating the Capabi...

本期的 14 篇论文如下： [00:22] 🤸 Go to Zero: Towards Zero-shot Motion Generation with Million-scale Data（趋向于零：基于百万级数据的零样本运动生成） [01:03] 🖼 4KAgent: Agentic Any Image to 4K Super-Resolution（4KAgent：将任意图像转化为4K超分辨率的智能体系统） [01:39] 🖼 Perception-Aware Policy Optimization for Multimodal Reasoning（多模态推理的感知感知策略优化） [02:24] 🧪 Rethinking Verification...

本期的 15 篇论文如下： [00:25] 🤔 A Survey on Latent Reasoning（潜在推理研究综述） [00:59] 💡 SingLoRA: Low Rank Adaptation Using a Single Matrix（SingLoRA：使用单矩阵的低秩适应） [01:47] 🧩 OmniPart: Part-Aware 3D Generation with Semantic Decoupling and Structural Cohesion（OmniPart：基于语义解耦和结构内聚的部件感知三维生成） [02:36] 🤖 CriticLean: Critic-Guided Reinforcement Learning for Mathema...

本期的 15 篇论文如下： [00:21] 🧠 MemOS: A Memory OS for AI System（MemOS：面向人工智能系统的内存操作系统） [01:07] 🤔 Should We Still Pretrain Encoders with Masked Language Modeling?（我们是否还应该使用掩码语言模型预训练编码器？） [01:43] 🎥 4DSloMo: 4D Reconstruction for High Speed Scene with Asynchronous Capture（4DSloMo：基于异步捕获的高速场景4D重建） [02:22] 🤖 DreamVLA: A Vision-Language-Act...