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

2026.04.15 | ClawGUI开源全家桶；KnowRL精简提示提效 15.04.2026 12:45

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗www.xiaoyuzhoufm.com 【目录】本期的 15 篇论文如下： 00:33 🤖 ClawGUI: A Unified Framework for Training, Evaluating, and Deploying GUI Agents（ClawGUI：用于训练、评估和部署GUI智能体的统一框架） 01:21 🧠 KnowRL: Boosting LLM Reasoning via Reinforcement Learning with Minimal-Sufficient Knowledge Guidance（KnowRL：通过强化学习...

2026.04.14 | 错罚记忆助大模型提分；注意力沉没机制全解析 14.04.2026 13:01

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:31] 🧠 The Past Is Not Past: Memory-Enhanced Dynamic Reward Shaping（过去并未过去：基于记忆增强的动态奖励塑形） [01:20] 🔍 Attention Sink in Transformers: A Survey on Utilization, Interpretation, and Mitigation（Transformer中的...

2026.04.13 | 百万图训WildDet3D；工业数据炼FORGE小钢炮 13.04.2026 13:25

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:32] 🔍 WildDet3D: Scaling Promptable 3D Detection in the Wild（WildDet3D：可扩展的野外可提示三维检测） [01:39] 🔧 FORGE:Fine-grained Multimodal Evaluation for Manufacturing Scenarios（FORGE：面向制造场景的细粒度多模态评估） [02...

【周末特辑】4月第2周最火AI论文 | 文本频率定律；AI宗师级编程 12.04.2026 12:18

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 5 篇论文如下： [00:44] TOP1(🔥367) | 📈 Adam's Law: Textual Frequency Law on Large Language Models（亚当定律：大语言模型上的文本频率定律） [03:01] TOP2(🔥347) | 🏆 GrandCode: Achieving Grandmaster Level in Competitive Programming via Agentic Reinf...

2026.04.10 | 群体外挂让AI升级；注意力内鬼兑现数字 10.04.2026 13:04

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:33] 🧬 SkillClaw: Let Skills Evolve Collectively with Agentic Evolver（SkillClaw：让技能在智能体演化器中集体进化） [01:24] 🔢 When Numbers Speak: Aligning Textual Numerals and Visual Instances in Text-to-Video Diffusion Models...

2026.04.09 | RL智能体模板病；分步生图更可控 09.04.2026 12:16

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:31] 🧠 RAGEN-2: Reasoning Collapse in Agentic RL（RAGEN-2：智能体强化学习中的推理崩溃） [01:21] 🎨 Think in Strokes, Not Pixels: Process-Driven Image Generation via Interleaved Reasoning（以笔画思考，而非像素：通过交错推理实现...

2026.04.08 | Video-MME-v2地狱题库拷打模型；Claw-Eval全程审计守卫可信代理 08.04.2026 12:01

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:34] 🎯 Video-MME-v2: Towards the Next Stage in Benchmarks for Comprehensive Video Understanding（Video-MME-v2：迈向全面视频理解基准的下一个阶段） [01:19] 🔬 Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents（Claw-Ev...

2026.04.07 | 统一世界模型框架；小模型大数据突破 07.04.2026 12:15

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:33] 🧠 OpenWorldLib: A Unified Codebase and Definition of Advanced World Models（OpenWorldLib：一个统一代码库与高级世界模型定义） [01:26] 📊 MinerU2.5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale（MinerU2.5...

2026.04.06 | 自蒸馏RL堵信息泄露；极简流式视频反超记忆派 07.04.2026 13:19

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:29] 🧠 Self-Distilled RLVR（基于自蒸馏的强化学习与可验证奖励） [01:18] 🎯 A Simple Baseline for Streaming Video Understanding（流式视频理解的简单基线） [02:07] 🔍 Token Warping Helps MLLMs Look from Nearby Viewpoints（Token扭曲...

【月末特辑】3月最火AI论文 | AI学品味挑好题；降噪步骤链解视频 06.04.2026 21:12

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 10 篇论文如下： [00:48] TOP1(🔥415) | 🧠 AI Can Learn Scientific Taste（AI可以学习科学品味） [02:41] TOP2(🔥367) | 🧠 Demystifing Video Reasoning（揭秘视频推理机制） [04:53] TOP3(🔥306) | 🏭 InCoder-32B: Code Foundation Model for Industrial Scenar...

【周末特辑】4月第1周最火AI论文 | FIPO破推理长度瓶颈；CARLA-Air空地仿真合一 04.04.2026 13:03

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 5 篇论文如下： [00:40] TOP1(🔥309) | 🧠 FIPO: Eliciting Deep Reasoning with Future-KL Influenced Policy Optimization（FIPO：通过未来KL影响策略优化引导深度推理） [02:58] TOP2(🔥302) | 🚁 CARLA-Air: Fly Drones Inside a CARLA World -- A Unified Infra...

2026.04.03 | DataFlex让数据像乐高；潜在空间成AI新地图 03.04.2026 13:44

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:41] 🔄 DataFlex: A Unified Framework for Data-Centric Dynamic Training of Large Language Models（DataFlex：面向大语言模型数据中心化动态训练的统一框架） [01:48] 🧠 The Latent Space: Foundation, Evolution, Mechanism, Ability, and...

2026.04.02 | ClawKeeper三层守护智能体安全；终端智能体轻量API夺冠 02.04.2026 12:03

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:27] 🛡 ClawKeeper: Comprehensive Safety Protection for OpenClaw Agents Through Skills, Plugins, and Watchers（ClawKeeper：通过技能、插件和监视器为OpenClaw代理提供全面的安全保护） [01:20] 💻 Terminal Agents Suffice for Enterprise...

2026.04.01 | FIPO用KL引导深度推理；LongCat统一多模态token 01.04.2026 12:00

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:30] 🧠 FIPO: Eliciting Deep Reasoning with Future-KL Influenced Policy Optimization（FIPO：通过未来KL影响策略优化引导深度推理） [01:12] 🧩 LongCat-Next: Lexicalizing Modalities as Discrete Tokens（LongCat-Next：将多模态信息离散...

2026.03.31 | 任务对齐提效TAPS；AI科研自治写医学论文 31.03.2026 13:08

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:30] 🚀 TAPS: Task Aware Proposal Distributions for Speculative Sampling（TAPS：面向推测采样的任务感知提议分布） [01:11] 🔬 Towards a Medical AI Scientist（迈向医学AI科学家） [02:03] 🔍 Gen-Searcher: Reinforcing Agentic Search f...

2026.03.30 | ShotStream流式生成多镜头；PackForcing短视频训出长片 30.03.2026 8:57

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 10 篇论文如下： [00:28] 🎬 ShotStream: Streaming Multi-Shot Video Generation for Interactive Storytelling（ShotStream：用于交互式叙事的多镜头流式视频生成） [01:07] 🎬 PackForcing: Short Video Training Suffices for Long Video Sampling and Long Cont...

【周末特辑】3月第5周最火AI论文 | 扩散OCR逆向渲染；世界模型交互大考 28.03.2026 13:18

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 5 篇论文如下： [00:49] TOP1(🔥124) | 🔍 MinerU-Diffusion: Rethinking Document OCR as Inverse Rendering via Diffusion Decoding（MinerU-Diffusion：将文档OCR重新思考为通过扩散解码的逆向渲染） [03:11] TOP2(🔥122) | 🧪 Omni-WorldBench: Towards a Compre...

2026.03.27 | PixelSmile微调表情；万亿模型通吃科学 28.03.2026 12:50

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:35] 😊 PixelSmile: Toward Fine-Grained Facial Expression Editing（PixelSmile：面向细粒度面部表情编辑） [01:27] 🚀 Intern-S1-Pro: Scientific Multimodal Foundation Model at Trillion Scale（Intern-S1-Pro：万亿参数规模的科学多模态...

2026.03.26 | CUA-Suite攒600万帧操作视频；EVA三阶段训练砍七成令牌 26.03.2026 12:48

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:27] 🎬 CUA-Suite: Massive Human-annotated Video Demonstrations for Computer-Use Agents（CUA-Suite：用于计算机使用代理的大规模人工标注视频演示集） [01:24] 🎬 EVA: Efficient Reinforcement Learning for End-to-End Video Agent（EVA...

2026.03.25 | 扩散OCR并行降噪；WildWorld动作数据集测AI一致性 25.03.2026 12:55

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:29] 🔍 MinerU-Diffusion: Rethinking Document OCR as Inverse Rendering via Diffusion Decoding（MinerU-Diffusion：将文档OCR重新思考为通过扩散解码的逆向渲染） [01:18] 🎮 WildWorld: A Large-Scale Dataset for Dynamic World Modeling...

2026.03.24 | 世界模型交互评估短板；单流架构极速生成 24.03.2026 12:51

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:32] 🧪 Omni-WorldBench: Towards a Comprehensive Interaction-Centric Evaluation for World Models（Omni-WorldBench：迈向面向世界模型的全面交互中心化评估） [01:13] 🚀 Speed by Simplicity: A Single-Stream Architecture for Fast Audi...

2026.03.23 | 多跳合成提推理；前向强化快视频 23.03.2026 13:08

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:31] 🔗 HopChain: Multi-Hop Data Synthesis for Generalizable Vision-Language Reasoning（HopChain：用于可泛化视觉语言推理的多跳数据合成） [01:28] 🎬 Astrolabe: Steering Forward-Process Reinforcement Learning for Distilled Autoreg...

【周末特辑】3月第4周最火AI论文 | 去噪步藏推理链；工业代码炼大模型 21.03.2026 11:31

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 5 篇论文如下： [00:42] TOP1(🔥344) | 🧠 Demystifing Video Reasoning（揭秘视频推理机制） [02:20] TOP2(🔥289) | 🏭 InCoder-32B: Code Foundation Model for Industrial Scenarios（InCoder-32B：面向工业场景的代码基础模型） [04:37] TOP3(🔥263) | 🧠 AI Can...

2026.03.20 | 生成模型解锁3D空间理解；SAMA零试指令编辑追平Kling 20.03.2026 12:52

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:29] 🧠 Generation Models Know Space: Unleashing Implicit 3D Priors for Scene Understanding（生成模型懂空间：释放隐式3D先验用于场景理解） [01:09] 🎬 SAMA: Factorized Semantic Anchoring and Motion Alignment for Instruction-Guided...

2026.03.19 | 事件链预演视频未来；在线进化模型不掉队 19.03.2026 12:52

【赞助商】通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd 【目录】本期的 15 篇论文如下： [00:30] 🔮 Video-CoE: Reinforcing Video Event Prediction via Chain of Events（Video-CoE：通过事件链强化视频事件预测） [01:13] 🧬 MetaClaw: Just Talk -- An Agent That Meta-Learns and Evolves in the Wild（MetaClaw：只需对话——一种在真...