HuggingFace 每日AI论文速递

duan

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】

  1. 14 G. TEMU

    【周末特辑】9月第4周最火AI论文 | OmniWorld打造4D数据工厂；WebWeaver让AI边搜边写

    本期的 5 篇论文如下： [00:43] TOP1(🔥95) | 🌍 OmniWorld: A Multi-Domain and Multi-Modal Dataset for 4D World Modeling（OmniWorld：面向4D世界建模的多领域多模态大规模数据集） [02:51] TOP2(🔥93) | 🔍 WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research（WebWeaver：面向开放型深度研究的动态提纲式网络证据结构化框架） [05:09] TOP3(🔥91) | 🤖 Scaling Agents via Continual Pre-training（基于持续预训练扩展智能体系统规模的研究） [07:33] TOP4(🔥88) | 🖥 ScaleCUA: Scaling Open-Source Computer Use Agents with Cross-Platform Data（ScaleCUA：基于跨平台数据的开源计算机智能体规模化方案） [10:48] TOP5(🔥79) | 🌊 FlowRL: Matching Reward Distributions for LLM Reasoning（FlowRL：通过流匹配奖励分布提升大语言模型推理能力） 【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

    13 min

  2. 1 DZIEŃ TEMU

    2025.09.19 | 跨平台GUI模型刷榜；FlowRL分布匹配提推理

    本期的 15 篇论文如下： [00:26] 🖥 ScaleCUA: Scaling Open-Source Computer Use Agents with Cross-Platform Data（ScaleCUA：基于跨平台数据的开源计算机智能体规模化方案） [01:01] 🌊 FlowRL: Matching Reward Distributions for LLM Reasoning（FlowRL：通过流匹配奖励分布提升大语言模型推理能力） [01:57] 🧭 Reasoning over Boundaries: Enhancing Specification Alignment via Test-time Delibration（跨越边界推理：借助测试时深思提升规范对齐） [02:55] 🧬 Evolving Language Models without Labels: Majority Drives Selection, Novelty Promotes Variation（无需标签即可让语言模型自我进化：多数选择驱动，新颖性促进变异） [03:34] 🎨 Understand Before You Generate: Self-Guided Training for Autoregressive Image Generation（先理解再生成：面向自回归图像生成的自引导训练） [04:12] 🔍 FinSearchComp: Towards a Realistic, Expert-Level Evaluation of Financial Search and Reasoning（FinSearchComp：迈向真实专家级金融搜索与推理评测） [04:56] 🤖 RynnVLA-001: Using Human Demonstrations to Improve Robot Manipulation（RynnVLA-001：利用人类示范提升机器人操作能力） [05:39] 🔮 AToken: A Unified Tokenizer for Vision（AToken：面向视觉的统一Tokenizer） [06:10] 🌌 WorldForge: Unlocking Emergent 3D/4D Generation in Video Diffusion Model via Training-Free Guidance（WorldForge：无需训练即可在视频扩散模型中解锁3D/4D生成的涌现能力） [06:58] 🖼 MultiEdit: Advancing Instruction-based Image Editing on Diverse and Challenging Tasks（MultiEdit：面向多样复杂任务的指令式图像编辑新突破） [07:54] 🎮 RecoWorld: Building Simulated Environments for Agentic Recommender Systems（RecoWorld：为智能推荐系统打造仿真训练沙盒） [08:28] 🎯 Unleashing the Potential of Multimodal LLMs for Zero-Shot Spatio-Temporal Video Grounding（释放多模态大模型零样本时空视频定位潜能） [09:03] 🔍 Mind the Gap: A Closer Look at Tokenization for Multiple-Choice Question Answering with LLMs（留意空格：面向LLM选择题问答的Tokenization再审视） [09:51] 🩺 EchoVLM: Dynamic Mixture-of-Experts Vision-Language Model for Universal Ultrasound Intelligence（EchoVLM：面向通用超声智能的动态混合专家视觉-语言模型） [10:34] 🛰 FSG-Net: Frequency-Spatial Synergistic Gated Network for High-Resolution Remote Sensing Change Detection（FSG-Net：频-空协同门控网络用于高分辨率遥感变化检测） 【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

    12 min

  3. 2 DNI TEMU

    2025.09.18 | FP8压缩+翻译微调低成本炼阿语大模型；2B-8B小模型洗数据硬刚GPT-4o

    本期的 14 篇论文如下： [00:19] 🐪 Hala Technical Report: Building Arabic-Centric Instruction & Translation Models at Scale（Hala技术报告：规模化构建阿拉伯语为中心的指令与翻译模型） [00:56] 🚀 SAIL-VL2 Technical Report（SAIL-VL2技术报告） [01:42] 🌐 PANORAMA: The Rise of Omnidirectional Vision in the Embodied AI Era（全景视界：具身AI时代的360°视觉崛起） [02:33] 🎓 GenExam: A Multidisciplinary Text-to-Image Exam（GenExam：多学科文本到图像生成考试基准） [03:25] 🧹 Scrub It Out! Erasing Sensitive Memorization in Code Language Models via Machine Unlearning（擦除敏感记忆！用机器遗忘技术为代码大模型“去隐私”） [03:59] 🩺 MedResearcher-R1: Expert-Level Medical Deep Researcher via A Knowledge-Informed Trajectory Synthesis Framework（MedResearcher-R1：基于知识引导轨迹合成的专家级医学深度研究智能体） [04:37] 🔍 MARS2 2025 Challenge on Multimodal Reasoning: Datasets, Methods, Results, Discussion, and Outlook（MARS2 2025多模态推理挑战赛：数据集、方法、结果、讨论与展望） [05:22] 🎭 Wan-Animate: Unified Character Animation and Replacement with Holistic Replication（Wan-Animate：统一角色动画与替换的完整复现框架） [05:59] 🧮 THOR: Tool-Integrated Hierarchical Optimization via RL for Mathematical Reasoning（THOR：融合工具的分层强化学习优化数学推理） [06:40] 🔍 Improving Context Fidelity via Native Retrieval-Augmented Reasoning（提升上下文保真度的原生检索增强推理方法） [07:20] 🌍 AERIS: Argonne Earth Systems Model for Reliable and Skillful Predictions（AERIS：面向可靠且高技巧地球系统预测的阿尔贡地球系统模型） [08:13] 🎛 SteeringControl: Holistic Evaluation of Alignment Steering in LLMs（SteeringControl：对大模型对齐操控的全景评估） [08:48] ⚛ Quantum Variational Activation Functions Empower Kolmogorov-Arnold Networks（量子变分激活函数赋能Kolmogorov-Arnold网络） [09:37] 🚀 Hybrid Quantum-Classical Model for Image Classification（用于图像分类的混合量子-经典模型） 【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

    11 min

  4. 3 DNI TEMU

    2025.09.17 | WebWeaver框架提升可信长文报告；Agentic预训练扩展智能体系统

    本期的 11 篇论文如下： [00:27] 🔍 WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research（WebWeaver：面向开放型深度研究的动态提纲式网络证据结构化框架） [01:08] 🤖 Scaling Agents via Continual Pre-training（基于持续预训练扩展智能体系统规模的研究） [01:52] ⛵ WebSailor-V2: Bridging the Chasm to Proprietary Agents via Synthetic Data and Scalable Reinforcement Learning（WebSailor-V2：依托合成数据与可扩展强化学习跨越开源与私有代理鸿沟） [02:36] 🧠 Towards General Agentic Intelligence via Environment Scaling（迈向通用智能体的环境规模化之路） [03:09] 🔍 WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents（WebResearcher：在长程智能体中释放无界推理能力） [03:59] 🧠 ReSum: Unlocking Long-Horizon Search Intelligence via Context Summarization（ReSum：基于上下文压缩的无限视界搜索智能解锁） [04:39] 🚀 Single-stream Policy Optimization（单流策略优化：大语言模型强化学习的去组化革新） [05:19] 🎮 Hunyuan3D Studio: End-to-End AI Pipeline for Game-Ready 3D Asset Generation（Hunyuan3D工作室：面向游戏级3D资产生成的端到端AI管线） [06:00] 🧩 3D Aware Region Prompted Vision Language Model（具备3D感知能力的区域提示视觉语言模型） [06:36] 💡 EconProver: Towards More Economical Test-Time Scaling for Automated Theorem Proving（EconProver：面向自动定理证明的更经济测试时扩展方法） [07:07] ⚛ Exact Coset Sampling for Quantum Lattice Algorithms（量子格点算法的精确陪集采样） 【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

    8 min

  5. 4 DNI TEMU

    2025.09.16 | OmniWorld建4D数据底座；UI-S1半在线驯界面代理

    本期的 14 篇论文如下： [00:24] 🌍 OmniWorld: A Multi-Domain and Multi-Modal Dataset for 4D World Modeling（OmniWorld：面向4D世界建模的多领域多模态大规模数据集） [01:12] 🤖 UI-S1: Advancing GUI Automation via Semi-online Reinforcement Learning（UI-S1：基于半在线强化学习的图形界面自动化新进展） [01:51] 🏠 InternScenes: A Large-scale Simulatable Indoor Scene Dataset with Realistic Layouts（InternScenes：具备真实布局的大规模可模拟室内场景数据集） [02:27] 🖱 LazyDrag: Enabling Stable Drag-Based Editing on Multi-Modal Diffusion Transformers via Explicit Correspondence（LazyDrag：通过显式对应关系在多模态扩散Transformer上实现稳定拖拽编辑） [02:58] 📊 Locality in Image Diffusion Models Emerges from Data Statistics（图像扩散模型中的局部性源于数据统计特性） [03:29] 🤔 Measuring Epistemic Humility in Multimodal Large Language Models（多模态大模型中的认知谦逊评估研究） [03:57] 🤖 Nav-R1: Reasoning and Navigation in Embodied Scenes（Nav-R1：具身场景中的推理与导航） [04:25] 🔍 Lost in Embeddings: Information Loss in Vision-Language Models（迷失在嵌入空间：视觉-语言模型中的信息损失） [04:54] 🌐 CognitiveSky: Scalable Sentiment and Narrative Analysis for Decentralized Social Media（CognitiveSky：面向去中心化社交媒体的情感与叙事可扩展分析框架） [05:19] 🔍 Look Again, Think Slowly: Enhancing Visual Reflection in Vision-Language Models（再审视，慢思考：增强视觉语言模型的视觉反思能力） [05:57] 🧠 EthicsMH: A Pilot Benchmark for Ethical Reasoning in Mental Health AI（心理健康AI伦理推理的试验基准：EthicsMH） [06:30] ⚖ Learning to Optimize Multi-Objective Alignment Through Dynamic Reward Weighting（通过动态奖励加权实现多目标对齐优化学习） [07:16] 🧠 PersonaX: Multimodal Datasets with LLM-Inferred Behavior Traits（PersonaX：基于大语言模型推断行为特质的多模态数据集） [07:52] 🔍 GAPrune: Gradient-Alignment Pruning for Domain-Aware Embeddings（GAPrune：面向领域感知嵌入的梯度对齐剪枝方法） 【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

    9 min

  6. 5 DNI TEMU

    2025.09.15 | 数据集升级测互动；模型大小非长程瓶颈

    本期的 14 篇论文如下： [00:25] 📚 IntrEx: A Dataset for Modeling Engagement in Educational Conversations（IntrEx：面向教育对话中参与度建模的数据集） [01:02] 📏 The Illusion of Diminishing Returns: Measuring Long Horizon Execution in LLMs（“收益递减的幻觉”：衡量大语言模型的长时程执行能力） [01:54] 🧩 X-Part: high fidelity and structure coherent shape decomposition（X-Part：高保真且结构一致的三维形状分解） [02:33] 🖼 InfGen: A Resolution-Agnostic Paradigm for Scalable Image Synthesis（InfGen：分辨率无关的可扩展图像合成新范式） [03:04] 🔍 HANRAG: Heuristic Accurate Noise-resistant Retrieval-Augmented Generation for Multi-hop Question Answering（HANRAG：面向多跳问答的启发式精准抗噪检索增强生成方法） [03:50] 🎙 VStyle: A Benchmark for Voice Style Adaptation with Spoken Instructions（VStyle：基于语音指令的语音风格自适应基准） [04:44] 🌸 FLOWER: Democratizing Generalist Robot Policies with Efficient Vision-Language-Action Flow Policies（FLOWER：以高效视觉-语言-动作流策略普及通用机器人策略） [05:20] 🎨 Inpainting-Guided Policy Optimization for Diffusion Large Language Models（面向扩散大语言模型的基于文本补全引导的策略优化方法） [05:58] 🤖 Virtual Agent Economies（虚拟代理经济） [06:28] 📈 QuantAgent: Price-Driven Multi-Agent LLMs for High-Frequency Trading（QuantAgent：面向高频交易的价格驱动多智能体大语言模型框架） [07:02] 🧪 MCP-AgentBench: Evaluating Real-World Language Agent Performance with MCP-Mediated Tools（MCP-AgentBench：基于MCP中介工具的通用语言智能体真实性能评测） [07:41] 🎨 Color Me Correctly: Bridging Perceptual Color Spaces and Text Embeddings for Improved Diffusion Generation（精准上色：连接感知色彩空间与文本嵌入以提升扩散生成质量） [08:31] 🦎 LoFT: Parameter-Efficient Fine-Tuning for Long-tailed Semi-Supervised Learning in Open-World Scenarios（LoFT：面向开放世界长尾场景的参数高效半监督微调方法） [09:13] 🗞 CMHG: A Dataset and Benchmark for Headline Generation of Minority Languages in China（CMHG：中国少数民族语言新闻标题生成数据集与评测基准） 【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

    10 min

  7. 14 WRZ

    【周末特辑】9月第3周最火AI论文 | 群智RL提速大模型；小VLA零预训练控机械

    本期的 5 篇论文如下： [00:40] TOP1(🔥455) | 🤝 Sharing is Caring: Efficient LM Post-Training with Collective RL Experience Sharing（共享即关爱：基于集体RL经验共享的高效大模型后训练） [03:19] TOP2(🔥163) | 🤖 VLA-Adapter: An Effective Paradigm for Tiny-Scale Vision-Language-Action Model（VLA-Adapter：面向小型视觉-语言-动作模型的有效范式） [05:44] TOP3(🔥156) | 🤔 Why Language Models Hallucinate（语言模型为何产生幻觉） [07:57] TOP4(🔥139) | 💡 Reverse-Engineered Reasoning for Open-Ended Generation（面向开放式生成的逆向工程推理） [10:35] TOP5(🔥131) | 🧠 A Survey of Reinforcement Learning for Large Reasoning Models（大型推理模型的强化学习综述） 【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

    15 min

  8. 12 WRZ

    2025.09.12 | HuMo多模态控人视频；SimpleVLA-RL强化升效

    本期的 15 篇论文如下： [00:27] 🎭 HuMo: Human-Centric Video Generation via Collaborative Multi-Modal Conditioning（HuMo：通过协同多模态条件控制实现以人为中心的视频生成） [01:18] 🤖 SimpleVLA-RL: Scaling VLA Training via Reinforcement Learning（SimpleVLA-RL：通过强化学习实现VLA训练规模化） [02:02] 🗣 EchoX: Towards Mitigating Acoustic-Semantic Gap via Echo Training for Speech-to-Speech LLMs（EchoX：基于回声训练弥合声学-语义鸿沟的语音大模型研究） [02:37] 🎭 Kling-Avatar: Grounding Multimodal Instructions for Cascaded Long-Duration Avatar Animation Synthesis（Kling-Avatar：面向级联长时化身动画合成的多模态指令语义落地方法） [03:11] 🧭 Harnessing Uncertainty: Entropy-Modulated Policy Gradients for Long-Horizon LLM Agents（驾驭不确定性：面向长周期LLM智能体的熵调制策略梯度方法） [03:57] 🎨 FLUX-Reason-6M & PRISM-Bench: A Million-Scale Text-to-Image Reasoning Dataset and Comprehensive Benchmark（FLUX-Reason-6M和PRISM-Bench：百万级文生图推理数据集与全面评测基准） [04:34] 🤖 VLA-Adapter: An Effective Paradigm for Tiny-Scale Vision-Language-Action Model（VLA-Adapter：面向小型视觉-语言-动作模型的有效范式） [05:14] 🔄 Can Understanding and Generation Truly Benefit Together -- or Just Coexist?（理解与生成真能互惠共进，抑或仅共存？） [05:46] 📹 SpatialVID: A Large-Scale Video Dataset with Spatial Annotations（SpatialVID大规模带空间标注的视频数据集） [06:16] 📊 Visual Programmability: A Guide for Code-as-Thought in Chart Understanding（视觉可编程性：面向图表理解的Code-as-Thought指南） [06:55] 🕵 Gradient-Attention Guided Dual-Masking Synergetic Framework for Robust Text-based Person Retrieval（梯度-注意力引导的双重掩码协同框架用于鲁棒的基于文本的人物检索） [07:35] 🖼 2D Gaussian Splatting with Semantic Alignment for Image Inpainting（面向图像修复的语义对齐2D高斯泼溅） [08:10] 📏 LoCoBench: A Benchmark for Long-Context Large Language Models in Complex Software Engineering（LoCoBench：面向复杂软件工程的长上下文大模型基准测试） [08:45] 🤖 OmniEVA: Embodied Versatile Planner via Task-Adaptive 3D-Grounded and Embodiment-aware Reasoning（OmniEVA：面向具身任务的自适应3D感知与本体约束联合规划器） [09:31] 🎯 The Choice of Divergence: A Neglected Key to Mitigating Diversity Collapse in Reinforcement Learning with Verifiable Reward（散度选择：缓解可验证奖励强化学习多样性坍缩的关键） 【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

    11 min
Wyświetl wszystko (389)

O programie

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】

Informacje

  • Twórca
    duan
  • Lata aktywności
    2024 - 2025
  • Odcinki
    389
  • Klasyfikacja
    Dla wszystkich
  • Prawa autorskie
    © 拨号上网@小宇宙App
  • Witryna programu
    HuggingFace 每日AI论文速递

Możesz również polubić