duan

HuggingFace 每日AI论文速递

Technology ZH ↓ 647 episodes

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】

Author

duan

Episodes

2025.05.12 | 波兰语模型优化；高效参数利用 12.05.2025 5:40

本期的 7 篇论文如下： [00:23] 🇵 Bielik v3 Small: Technical Report（Bielik v3 Small：技术报告） [01:07] 🇵 Bielik 11B v2 Technical Report（Bielik 11B v2 技术报告） [01:42] 🤖 UniVLA: Learning to Act Anywhere with Task-centric Latent Actions（UniVLA：通过任务中心潜在动作学习在任意环境行动） [02:30] 🎨 G-FOCUS: Towards a Robust Method for Assessing UI Design Persuasiveness（G-FOCUS：迈向评估用户界面设...

【周末特辑】5月第2周最火AI论文 | 零数据自博弈推理；多模态长推理模型综述 10.05.2025 11:10

本期的 5 篇论文如下： [00:42] TOP1(🔥93) | 🚀 Absolute Zero: Reinforced Self-play Reasoning with Zero Data（绝对零度：基于零数据的强化自博弈推理） [02:38] TOP2(🔥91) | 🧠 Perception, Reason, Think, and Plan: A Survey on Large Multimodal Reasoning Models（感知、推理、思考与规划：大型多模态推理模型综述） [04:44] TOP3(🔥83) | 🧠 Unified Multimodal Chain-of-Thought Reward Model through Reinforcement F...

2025.05.09 | 多模态推理模型发展综述；通用智能评估框架提出 09.05.2025 10:53

本期的 15 篇论文如下： [00:22] 🧠 Perception, Reason, Think, and Plan: A Survey on Large Multimodal Reasoning Models（感知、推理、思考与规划：大型多模态推理模型综述） [00:57] 🤖 On Path to Multimodal Generalist: General-Level and General-Bench（迈向多模态通用智能：通用水平与通用基准） [01:40] 🤖 Flow-GRPO: Training Flow Matching Models via Online RL（Flow-GRPO：通过在线强化学习训练Flow Matching模...

2025.05.08 | 多模态模型整合潜力大；零搜索提升LLMs效率。 08.05.2025 10:32

本期的 14 篇论文如下： [00:21] 💡 Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities（统一多模态理解与生成模型：进展、挑战与机遇） [01:02] 🤖 ZeroSearch: Incentivize the Search Capability of LLMs without Searching（零搜索：无需搜索即可激励大型语言模型的搜索能力） [01:50] 🤔 Beyond Recognition: Evaluating Visual Perspective Taking in Vision Language Mode...

2025.05.07 | 多模态思维链提升模型性能；零数据自博弈强化推理能力。 07.05.2025 10:25

本期的 14 篇论文如下： [00:24] 🧠 Unified Multimodal Chain-of-Thought Reward Model through Reinforcement Fine-Tuning（基于强化微调的统一多模态思维链奖励模型） [01:10] 🤖 Absolute Zero: Reinforced Self-play Reasoning with Zero Data（绝对零度：零数据下的强化自博弈推理） [01:52] 🤸 FlexiAct: Towards Flexible Action Control in Heterogeneous Scenarios（FlexiAct：面向异构场景的灵活动作控制） [02:33] 🚀...

2025.05.06 | Voila实现低延迟全双工对话；RM-R1提升大模型推理奖励。 06.05.2025 11:14

本期的 15 篇论文如下： [00:22] 🤖 Voila: Voice-Language Foundation Models for Real-Time Autonomous Interaction and Voice Role-Play（Voila：用于实时自主交互和语音角色扮演的语音-语言基础模型） [01:09] 🤔 RM-R1: Reward Modeling as Reasoning（RM-R1：将奖励建模视为推理） [01:52] 🧠 Grokking in the Wild: Data Augmentation for Real-World Multi-Hop Reasoning with Transformers（野外Grokking：用于Transforme...

2025.05.05 | PixelHacker提升图像修复质量；分层记忆增强图像编辑可控性。 05.05.2025 6:04

本期的 8 篇论文如下： [00:21] 🖼 PixelHacker: Image Inpainting with Structural and Semantic Consistency（PixelHacker：基于结构和语义一致性的图像修复） [01:01] 🎨 Improving Editability in Image Generation with Layer-wise Memory（通过分层记忆提升图像生成的可编辑性） [01:35] 🤖 Beyond One-Size-Fits-All: Inversion Learning for Highly Effective NLG Evaluation Prompts（超越一刀切：用于高效自然语言生成评...

【周末特辑】5月第1周最火AI论文 | 相机运动理解显著提升；单样本强化学习提升推理能力。 03.05.2025 13:07

本期的 5 篇论文如下： [00:43] TOP1(🔥149) | 🎥 Towards Understanding Camera Motions in Any Video（迈向理解任意视频中的相机运动） [03:05] TOP2(🔥74) | 🧠 Reinforcement Learning for Reasoning in Large Language Models with One Training Example（单样本强化学习赋能大语言模型推理） [05:48] TOP3(🔥54) | 🎭 The Leaderboard Illusion（排行榜的幻觉） [07:58] TOP4(🔥51) | 🔍 UniversalRAG: Retrieval-Augmented...

2025.05.02 | 交互式视频生成技术探讨；DeepCritic提升大模型评判能力。 02.05.2025 6:18

本期的 8 篇论文如下： [00:28] 🎮 A Survey of Interactive Generative Video（交互式生成视频综述） [01:05] 🧐 DeepCritic: Deliberate Critique with Large Language Models（DeepCritic: 基于大语言模型的审慎评判） [01:38] 🖼 T2I-R1: Reinforcing Image Generation with Collaborative Semantic-level and Token-level CoT（T2I-R1：通过协作式语义级和令牌级思维链强化图像生成） [02:15] 👄 KeySync: A Robust Approach f...

2025.05.01 | 阿拉伯语变音难题新解；深度推理模型能力增强 01.05.2025 9:56

本期的 14 篇论文如下： [00:21] 🗣 Sadeed: Advancing Arabic Diacritization Through Small Language Model（Sadeed：通过小型语言模型推进阿拉伯语变音） [01:05] 🔎 WebThinker: Empowering Large Reasoning Models with Deep Research Capability（WebThinker：利用深度研究能力增强大型推理模型） [01:43] 🧮 Phi-4-Mini-Reasoning: Exploring the Limits of Small Reasoning Language Models in Math（Phi-4-Mini-Reasoning...

2025.04.30 | 多模态检索增强生成；单样本强化学习提升推理。 30.04.2025 8:59

本期的 12 篇论文如下： [00:24] 🔍 UniversalRAG: Retrieval-Augmented Generation over Multiple Corpora with Diverse Modalities and Granularities（通用RAG：基于多模态、多粒度异构语料库的检索增强生成） [01:06] 🧠 Reinforcement Learning for Reasoning in Large Language Models with One Training Example（单样本强化学习赋能大语言模型推理） [01:52] 🧠 ReasonIR: Training Retrievers for Reasoning Tasks（Reaso...

2025.04.29 | RepText提升多语言文本渲染；LLM改进手机GUI自动化。 29.04.2025 8:41

本期的 11 篇论文如下： [00:23] ✍ RepText: Rendering Visual Text via Replicating（RepText：通过复制渲染视觉文本） [01:02] 📱 LLM-Powered GUI Agents in Phone Automation: Surveying Progress and Prospects（LLM驱动的手机GUI代理：进展与展望） [01:44] 🔐 CipherBank: Exploring the Boundary of LLM Reasoning Capabilities through Cryptography Challenges（CipherBank：通过密码学挑战探索大型语言模型推理能力的边...

2025.04.28 | 视频相机运动理解提升；多模态推理模型优化 28.04.2025 8:00

本期的 11 篇论文如下： [00:22] 🎥 Towards Understanding Camera Motions in Any Video（迈向理解任意视频中的相机运动） [01:04] 🧠 Skywork R1V2: Multimodal Hybrid Reinforcement Learning for Reasoning（Skywork R1V2：用于推理的多模态混合强化学习） [01:49] 💡 BitNet v2: Native 4-bit Activations with Hadamard Transformation for 1-bit LLMs（BitNet v2：用于1-bit LLM的具有哈达玛变换的原生4-bit激活） [02:28]...

【周末特辑】4月第4周最火AI论文 | 阿拉伯语模型扩展成功；强化学习提升有限。 26.04.2025 11:57

本期的 5 篇论文如下： [00:33] TOP1(🔥108) | 💡 Kuwain 1.5B: An Arabic SLM via Language Injection（Kuwain 1.5B：一种基于语言注入的阿拉伯语SLM） [02:43] TOP2(🔥98) | 🤔 Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?（强化学习真的能激励大语言模型产生超越基础模型的推理能力吗？） [04:58] TOP3(🔥78) | 🤖 TTRL: Test-Time Reinforcement Learning（测试时强化...

2025.04.25 | 开源模型超越闭源；新型评估指标提升生成质量。 25.04.2025 10:52

本期的 15 篇论文如下： [00:24] 🖼 Step1X-Edit: A Practical Framework for General Image Editing（Step1X-Edit：一个通用的图像编辑实用框架） [01:05] 🖼 RefVNLI: Towards Scalable Evaluation of Subject-driven Text-to-image Generation（RefVNLI：面向主体驱动的文本到图像生成的可扩展评估） [01:48] 🤖 Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning（Paper2Code：从机器学习科学...

2025.04.24 | 视觉推理评估新基准；高保真人脸替换技术 24.04.2025 10:25

本期的 14 篇论文如下： [00:23] 👁 VisuLogic: A Benchmark for Evaluating Visual Reasoning in Multi-modal Large Language Models（VisuLogic：一个用于评估多模态大型语言模型中视觉推理能力的基准） [01:08] 🎭 DreamID: High-Fidelity and Fast diffusion-based Face Swapping via Triplet ID Group Learning（DreamID：基于Triplet ID Group Learning的高保真快速扩散人脸替换） [01:46] 🌐 Trillion 7B Technical Report（...

2025.04.23 | 阿拉伯语性能提升；推理任务性能显著提高。 23.04.2025 10:53

本期的 15 篇论文如下： [00:22] 💡 Kuwain 1.5B: An Arabic SLM via Language Injection（Kuwain 1.5B：一种基于语言注入的阿拉伯语SLM） [00:58] 🤖 TTRL: Test-Time Reinforcement Learning（测试时强化学习） [01:40] 🌍 The Bitter Lesson Learned from 2,000+ Multilingual Benchmarks（从2000+多语种评测基准中汲取的惨痛教训） [02:23] 🖼 Describe Anything: Detailed Localized Image and Video Captioning（描述一切：细...

2025.04.22 | LUFFY提升推理性能；FlowReasoner增强系统适应性。 22.04.2025 10:53

本期的 15 篇论文如下： [00:25] 🧠 Learning to Reason under Off-Policy Guidance（离线策略指导下的推理学习） [01:00] 🤖 FlowReasoner: Reinforcing Query-Level Meta-Agents（FlowReasoner：强化查询级别元代理） [01:40] 🦅 Eagle 2.5: Boosting Long-Context Post-Training for Frontier Vision-Language Models（Eagle 2.5：提升前沿视觉-语言模型长文本后训练性能） [02:22] 🧰 ToolRL: Reward is All Tool Learning Nee...

2025.04.21 | 强化学习未提升新推理能力；MIG优化指令微调数据选择。 21.04.2025 6:50

本期的 9 篇论文如下： [00:22] 🤔 Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?（强化学习真的能激励大语言模型产生超越基础模型的推理能力吗？） [00:59] 🧠 MIG: Automatic Data Selection for Instruction Tuning by Maximizing Information Gain in Semantic Space（MIG：通过最大化语义空间中的信息增益实现指令微调的自动数据选择） [01:41] 🤔 Could Thinking Mult...

【周末特辑】4月第3周最火AI论文 | 多模态模型InternVL3创新预训练；Seaweed-7B高效视频生成。 19.04.2025 13:07

本期的 5 篇论文如下： [00:52] TOP1(🔥223) | 🖼 InternVL3: Exploring Advanced Training and Test-Time Recipes for Open-Source Multimodal Models（InternVL3：探索开源多模态模型的高级训练和测试时方案） [03:22] TOP2(🔥117) | 🎬 Seaweed-7B: Cost-Effective Training of Video Generation Foundation Model（Seaweed-7B：一种经济高效的视频生成基础模型训练方法） [05:40] TOP3(🔥112) | 🏠 PRIMA.CPP: Speeding Up 70B-...

2025.04.18 | CLIMB提升领域模型表现；反蒸馏采样防止模型被盗用。 18.04.2025 10:49

本期的 15 篇论文如下： [00:23] 🗂 CLIMB: CLustering-based Iterative Data Mixture Bootstrapping for Language Model Pre-training（CLIMB：基于聚类的迭代数据混合引导预训练方法） [01:03] 🧪 Antidistillation Sampling（反蒸馏采样） [01:41] 🤝 A Strategic Coordination Framework of Small LLMs Matches Large LLMs in Data Synthesis（小型LLM的策略协调框架在数据合成方面与大型LLM相媲美） [02:26] 🎬 Packing Input...

2025.04.17 | ColorBench测试VLM颜色理解；BitNet提升计算效率。 17.04.2025 8:21

本期的 11 篇论文如下： [00:27] 🎨 ColorBench: Can VLMs See and Understand the Colorful World? A Comprehensive Benchmark for Color Perception, Reasoning, and Robustness（ColorBench：视觉语言模型能否看到并理解多彩世界？一个关于颜色感知、推理和鲁棒性的综合基准） [01:09] 💡 BitNet b1.58 2B4T Technical Report（BitNet b1.58 2B4T 技术报告） [01:50] 🎨 Cobra: Efficient Line Art COlorization with BRoAder R...

2025.04.16 | Genius提升LLM推理能力；xVerify高效验证推理模型。 16.04.2025 11:34

本期的 15 篇论文如下： [00:22] 🧠 Genius: A Generalizable and Purely Unsupervised Self-Training Framework For Advanced Reasoning（Genius：一种用于高级推理的通用且纯粹的无监督自训练框架） [01:06] ✅ xVerify: Efficient Answer Verifier for Reasoning Model Evaluations（xVerify：用于推理模型评估的高效答案验证器） [01:52] 🖼 Pixel-SAIL: Single Transformer For Pixel-Grounded Understanding（Pixel-SAIL：用...

2025.04.15 | 多模态模型性能提升；低资源推理加速优化 15.04.2025 11:25

本期的 15 篇论文如下： [00:23] 🖼 InternVL3: Exploring Advanced Training and Test-Time Recipes for Open-Source Multimodal Models（InternVL3：探索开源多模态模型的高级训练和测试时方案） [01:03] 🏠 PRIMA.CPP: Speeding Up 70B-Scale LLM Inference on Low-Resource Everyday Home Clusters（PRIMA.CPP: 加速低资源家用集群上700亿参数规模大语言模型的推理） [01:46] 🖼 FUSION: Fully Integration of Vision-Language R...

2025.04.14 | 经济高效视频生成；自回归图像生成扩展。 14.04.2025 9:40

本期的 13 篇论文如下： [00:24] 🎬 Seaweed-7B: Cost-Effective Training of Video Generation Foundation Model（Seaweed-7B：一种经济高效的视频生成基础模型训练方法） [01:00] 🖼 GigaTok: Scaling Visual Tokenizers to 3 Billion Parameters for Autoregressive Image Generation（GigaTok：将视觉标记器扩展到30亿参数以进行自回归图像生成） [01:42] 🎮 MineWorld: a Real-Time and Open-Source Interactive World Model o...