HuggingFace 每日AI论文速递

本期的 5 篇论文如下： [00:44] TOP1(🔥208) | 🤖 Feature-Level Insights into Artificial Text Detection with Sparse Autoencoders（基于稀疏自编码器的人工文本检测特征分析） [03:15] TOP2(🔥122) | 🇷 RuCCoD: Towards Automated ICD Coding in Russian（RuCCoD：面向俄语自动化的ICD编码研究） [05:35] TOP3(🔥104) | 🌐 Unified Reward Model for Multimodal Understanding and Generation（多模态理解和生成的统一奖励模型...

本期的 15 篇论文如下： [00:25] 🖼 CoSTA$\ast$: Cost-Sensitive Toolpath Agent for Multi-turn Image Editing（CoSTA*：面向多轮图像编辑的成本敏感工具路径代理） [01:03] 🎭 Silent Branding Attack: Trigger-free Data Poisoning Attack on Text-to-Image Diffusion Models（无声品牌攻击：针对文本到图像扩散模型的无触发数据投毒攻击） [01:45] 🌍 World Modeling Makes a Better Planner: Dual Preference Optimization fo...

本期的 15 篇论文如下： [00:20] 🎥 TPDiff: Temporal Pyramid Video Diffusion Model（TPDiff：时间金字塔视频扩散模型） [00:58] 🎥 Reangle-A-Video: 4D Video Generation as Video-to-Video Translation（Reangle-A-Video：将4D视频生成作为视频到视频的转换） [01:42] 🧠 Block Diffusion: Interpolating Between Autoregressive and Diffusion Language Models（块扩散：在自回归与扩散语言模型之间插值） [02:18] 🎯 Reward...

本期的 15 篇论文如下： [00:23] 🌏 Crowdsource, Crawl, or Generate? Creating SEA-VL, a Multicultural Vision-Language Dataset for Southeast Asia（众包、爬取还是生成？创建东南亚视觉语言数据集SEA-VL） [01:04] 🧠 LMM-R1: Empowering 3B LMMs with Strong Reasoning Abilities Through Two-Stage Rule-Based RL（LMM-R1：通过两阶段基于规则的强化学习赋予3B参数大模态模型强大的推理能力） [01:43] 🎵 YuE: Scaling Ope...

本期的 11 篇论文如下： [00:25] 🤖 Feature-Level Insights into Artificial Text Detection with Sparse Autoencoders（基于稀疏自编码器的人工文本检测特征分析） [01:00] 🧠 SEAP: Training-free Sparse Expert Activation Pruning Unlock the Brainpower of Large Language Models（SEAP：无训练的稀疏专家激活剪枝解锁大规模语言模型的脑力） [01:43] 🧠 MM-Eureka: Exploring Visual Aha Moment with Rule-based Large-scal...

本期的 20 篇论文如下： [00:19] 🌐 Unified Reward Model for Multimodal Understanding and Generation（多模态理解和生成的统一奖励模型） [01:04] 🇷 RuCCoD: Towards Automated ICD Coding in Russian（RuCCoD：面向俄语自动化的ICD编码研究） [01:41] 🌍 EuroBERT: Scaling Multilingual Encoders for European Languages（EuroBERT：扩展欧洲语言的多语言编码器） [02:28] 🗣 S2S-Arena, Evaluating Speech2Speech Protocols...

本期的 5 篇论文如下： [00:35] TOP1(🔥64) | 🧠 Phi-4-Mini Technical Report: Compact yet Powerful Multimodal Language Models via Mixture-of-LoRAs（Phi-4-Mini技术报告：通过LoRA混合的多模态语言模型实现紧凑且强大的性能） [02:30] TOP2(🔥58) | 🛠 START: Self-taught Reasoner with Tools（自教工具集成推理器） [04:36] TOP3(🔥57) | 🧠 Visual-RFT: Visual Reinforcement Fine-Tuning（视觉强化微调：视觉强化微调） [...

本期的 18 篇论文如下： [00:21] 🛠 START: Self-taught Reasoner with Tools（自教工具集成推理器） [01:03] 👓 EgoLife: Towards Egocentric Life Assistant（EgoLife：面向自我中心的生活助手） [01:39] 📞 LLM as a Broken Telephone: Iterative Generation Distorts Information（大型语言模型作为失真传话：迭代生成对信息的影响） [02:14] 🧠 LINGOLY-TOO: Disentangling Memorisation from Reasoning with Linguistic Templ...

本期的 17 篇论文如下： [00:24] 🌍 Babel: Open Multilingual Large Language Models Serving Over 90% of Global Speakers（巴别塔：服务于全球90%以上人口的开源多语言大型语言模型） [01:11] 🧠 ABC: Achieving Better Control of Multimodal Embeddings using VLMs（ABC：使用视觉语言模型实现多模态嵌入的更好控制） [01:47] 🩺 Enhancing Abnormality Grounding for Vision Language Models with Knowledge Descriptions（...

本期的 18 篇论文如下： [00:21] 🚀 MPO: Boosting LLM Agents with Meta Plan Optimization（MPO：通过元计划优化提升LLM代理） [00:59] 🤖 Mask-DPO: Generalizable Fine-grained Factuality Alignment of LLMs（Mask-DPO：大语言模型的可泛化细粒度事实性对齐） [01:43] 🧩 LADDER: Self-Improving LLMs Through Recursive Problem Decomposition（LADDER：通过递归问题分解实现自我改进的LLMs） [02:26] 📚 Wikipedia in the E...

本期的 20 篇论文如下： [00:21] 🧠 Visual-RFT: Visual Reinforcement Fine-Tuning（视觉强化微调：视觉强化微调） [01:05] 🌐 Difix3D+: Improving 3D Reconstructions with Single-Step Diffusion Models（Difix3D+：通过单步扩散模型改进三维重建） [01:43] 🧠 Phi-4-Mini Technical Report: Compact yet Powerful Multimodal Language Models via Mixture-of-LoRAs（Phi-4-Mini技术报告：通过LoRA混合的多模态语言模型实现紧...

本期的 10 篇论文如下： [00:20] 🌲 DeepSolution: Boosting Complex Engineering Solution Design via Tree-based Exploration and Bi-point Thinking（深度解决方案：通过基于树的探索与双点思维提升复杂工程解决方案设计） [00:55] ✍ Chain of Draft: Thinking Faster by Writing Less（草稿链：通过减少书写提高思考速度） [01:39] 🧠 ViDoRAG: Visual Document Retrieval-Augmented Generation via Dynamic Iterative Reasoni...

本期的 10 篇论文如下： [00:39] TOP1(🔥196) | 🤖 SmolLM2: When Smol Goes Big -- Data-Centric Training of a Small Language Model（SmolLM2：当小型模型走向大型化——以数据为中心的小型语言模型训练） [02:32] TOP2(🔥183) | 🎥 OmniHuman-1: Rethinking the Scaling-Up of One-Stage Conditioned Human Animation Models（OmniHuman-1：重新思考一阶段条件人类动画模型的扩展） [05:02] TOP3(🔥182) | 🦜 The Stochastic Par...

本期的 5 篇论文如下： [00:50] TOP1(🔥152) | 🔍 LLM-Microscope: Uncovering the Hidden Role of Punctuation in Context Memory of Transformers（LLM显微镜：揭示标点符号在Transformer上下文记忆中的隐藏作用） [03:08] TOP2(🔥89) | 📚 SurveyX: Academic Survey Automation via Large Language Models（SurveyX 基于大型语言模型的学术调查自动化系统） [05:42] TOP3(🔥65) | 🎥 VideoGrain: Modulating Space-Time Attenti...

本期的 19 篇论文如下： [00:23] 🧠 Self-rewarding correction for mathematical reasoning（自我奖励的数学推理校正） [01:03] 🧠 MedVLM-R1: Incentivizing Medical Reasoning Capability of Vision-Language Models (VLMs) via Reinforcement Learning（MedVLM-R1：通过强化学习激励视觉语言模型的医疗推理能力） [01:53] 🧠 R2-T2: Re-Routing in Test-Time for Multimodal Mixture-of-Experts（R2-T2：测试时重路由在多模态...

本期的 18 篇论文如下： [00:23] 🌐 Kanana: Compute-efficient Bilingual Language Models（Kanana：计算高效的双语语言模型） [00:54] 👤 GHOST 2.0: generative high-fidelity one shot transfer of heads（GHOST 2.0：生成高保真一次性头部转移） [01:43] 🎥 TheoremExplainAgent: Towards Multimodal Explanations for LLM Theorem Understanding（定理解释代理：面向大语言模型定理理解的多模态解释） [02:21] 🤖 Agentic Re...

本期的 14 篇论文如下： [00:23] 🤖 OmniAlign-V: Towards Enhanced Alignment of MLLMs with Human Preference（OmniAlign-V：迈向多模态大语言模型与人类偏好增强对齐） [01:06] ⚡ SpargeAttn: Accurate Sparse Attention Accelerating Any Model Inference（SpargeAttn：准确稀疏注意力加速任意模型推理） [01:53] 🖼 KV-Edit: Training-Free Image Editing for Precise Background Preservation（KV-编辑：无需训练的图像编辑...

本期的 20 篇论文如下： [00:27] 📖 Thus Spake Long-Context Large Language Model（长上下文大语言模型如是说） [01:09] 🌈 DICEPTION: A Generalist Diffusion Model for Visual Perceptual Tasks（用于视觉感知任务的通用扩散模型） [01:48] 🚀 Slamming: Training a Speech Language Model on One GPU in a Day（撞击：在一天内使用单个GPU训练语音语言模型） [02:32] 🎥 VideoGrain: Modulating Space-Time Attention for Mu...

本期的 20 篇论文如下： [00:23] 📚 SurveyX: Academic Survey Automation via Large Language Models（基于大型语言模型的学术调查自动化） [01:10] 🔍 LLM-Microscope: Uncovering the Hidden Role of Punctuation in Context Memory of Transformers（LLM显微镜：揭示标点符号在Transformer上下文记忆中的隐藏作用） [01:50] 🚗 MaskGWM: A Generalizable Driving World Model with Video Mask Reconstruction（MaskGWM：结合视...

本期的 5 篇论文如下： [00:42] TOP1(🔥138) | 🧠 MLGym: A New Framework and Benchmark for Advancing AI Research Agents（MLGym：推进AI研究代理的新框架与基准） [03:30] TOP2(🔥131) | 🌐 Qwen2.5-VL Technical Report（Qwen2.5-VL 技术报告） [06:56] TOP3(🔥130) | ⚡ Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention（原生稀疏注意力：硬件对齐与原生可训练的稀疏注意力） [09:20] T...

本期的 20 篇论文如下： [00:26] 🧠 MLGym: A New Framework and Benchmark for Advancing AI Research Agents（MLGym：推进AI研究代理的新框架与基准） [01:18] 📚 SuperGPQA: Scaling LLM Evaluation across 285 Graduate Disciplines（SuperGPQA：扩展LLM评估至285个研究生学科） [02:04] 🌐 SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features（SigLIP...

本期的 20 篇论文如下： [00:24] 🌐 Qwen2.5-VL Technical Report（Qwen2.5-VL 技术报告） [01:10] 🚗 RAD: Training an End-to-End Driving Policy via Large-Scale 3DGS-based Reinforcement Learning（RAD：基于大规模3DGS强化学习的端到端驾驶策略训练） [01:50] 🎶 SongGen: A Single Stage Auto-regressive Transformer for Text-to-Song Generation（SongGen：用于文本到歌曲生成的单阶段自回归Transformer） [02:38] 🧠 Mo...

本期的 20 篇论文如下： [00:25] 🎙 Soundwave: Less is More for Speech-Text Alignment in LLMs（声波：减少数据需求，优化语音与文本对齐在LLMs中的应用） [01:05] 🔍 Cramming 1568 Tokens into a Single Vector and Back Again: Exploring the Limits of Embedding Space Capacity（将1568个Token压缩到一个向量并再次解压：探索嵌入空间容量的极限） [01:48] 🌊 Continuous Diffusion Model for Language Modeling（连续扩散...

本期的 29 篇论文如下： [00:23] ⚡ Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention（原生稀疏注意力：硬件对齐与原生可训练的稀疏注意力） [01:10] 🤖 Learning Getting-Up Policies for Real-World Humanoid Robots（学习真实世界人形机器人起身策略） [01:55] 🧠 ReLearn: Unlearning via Learning for Large Language Models（ReLearn：通过学习实现大型语言模型的遗忘） [02:35] 💻 SWE...

本期的 21 篇论文如下： [00:22] 🌐 Region-Adaptive Sampling for Diffusion Transformers（区域自适应采样扩散变换器） [01:05] 🎥 Step-Video-T2V Technical Report: The Practice, Challenges, and Future of Video Foundation Model（步进视频生成技术报告：视频基础模型的实践、挑战与未来） [01:48] 🌊 Large Language Diffusion Models（大规模语言扩散模型） [02:31] 🧠 ZeroBench: An Impossible Visual Benchmark for C...