2025.09.02 | PVPO优化推理性能；T2R-bench暴露模型短板

本期的 6 篇论文如下：

[00:23] 🧠 PVPO: Pre-Estimated Value-Based Policy Optimization for Agentic Reasoning（PVPO：基于预估值策略优化的智能体推理方法）

[00:49] 📊 T2R-bench: A Benchmark for Generating Article-Level Reports from Real World Industrial Tables（T2R-bench：一个用于从真实世界工业表格生成文章级报告的基准测试）

[01:18] 🔍 No Label Left Behind: A Unified Surface Defect Detection Model for all Supervision Regimes（无标签遗漏：适用于所有监督制度的统一表面缺陷检测模型）

[01:44] 📊 UI-Level Evaluation of ALLaM 34B: Measuring an Arabic-Centric LLM via HUMAIN Chat（ALLaM 34B 的UI级评估：通过 HUMAIN Chat 测量以阿拉伯语为中心的大语言模型）

[02:11] 🧠 From reactive to cognitive: brain-inspired spatial intelligence for embodied agents（从反应到认知：用于具身智能体的脑启发表象智能）

[02:36] 🔄 How Can Input Reformulation Improve Tool Usage Accuracy in a Complex Dynamic Environment? A Study on $τ$-bench（输入重构如何提高复杂动态环境中的工具使用准确性？一项关于$τ$-bench的研究）

【关注我们】

您还可以在以下平台找到我们，获得播客内容以外更多信息

小红书: AI速递