HuggingFace 每日AI论文速递

duan
HuggingFace 每日AI论文速递

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. -23 Ч

    2025.07.22 | MiroMind-M1提升数学推理；GUI-G$^2$高斯奖励助GUI定位。

    本期的 15 篇论文如下： [00:25] 🧮 MiroMind-M1: An Open-Source Advancement in Mathematical Reasoning via Context-Aware Multi-Stage Policy Optimization（MiroMind-M1：通过上下文感知多阶段策略优化实现数学推理的开源进展） [01:00] 🎯 GUI-G$^2$: Gaussian Reward Modeling for GUI Grounding（GUI-G$^2$: 用于GUI定位的高斯奖励建模） [01:42] ⛓ The Invisible Leash: Why RLVR May Not Escape Its Origin（隐形束缚：RLVR为何难以摆脱其起源） [02:53] 🏗 WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization（WebShaper：通过信息寻求形式化实现代理式数据合成） [03:20] 🤖 NoHumansRequired: Autonomous High-Quality Image Editing Triplet Mining（无需人工：自主高质量图像编辑三元组挖掘） [04:23] 🛠 Robust 3D-Masked Part-level Editing in 3D Gaussian Splatting with Regularized Score Distillation Sampling（鲁棒的3D遮罩部件级编辑：基于正则化得分蒸馏采样的3D高斯泼溅） [05:15] 🧠 SeC: Advancing Complex Video Object Segmentation via Progressive Concept Construction（SeC：通过渐进式概念构建推进复杂视频对象分割） [06:19] 🤖 GR-3 Technical Report（GR-3技术报告） [07:08] 🤖 Being-H0: Vision-Language-Action Pretraining from Large-Scale Human Videos（Being-H0：基于大规模人类视频的视觉-语言-动作预训练） [08:12] 💡 Stabilizing Knowledge, Promoting Reasoning: Dual-Token Constraints for RLVR（稳定知识，促进推理：RLVR的双令牌约束） [09:12] 🧠 Towards Video Thinking Test: A Holistic Benchmark for Advanced Video Reasoning and Understanding（迈向视频思维测试：一个用于高级视频推理和理解的综合基准） [09:52] 📉 Inverse Scaling in Test-Time Compute（测试时计算中的逆向扩展） [10:32] 💡 Gaussian Splatting with Discretized SDF for Relightable Assets（基于离散化SDF的高斯泼溅技术，用于可重光照资产） [11:24] 🧠 STITCH: Simultaneous Thinking and Talking with Chunked Reasoning for Spoken Language Models（STITCH：口语语言模型中基于分块推理的同步思考与表达） [12:13] ⏩ Streaming 4D Visual Geometry Transformer（流式4D视觉几何Transformer） 【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 мин.

  2. -1 ДН.

    2025.07.21 | dLLM新型安全漏洞，现有防御不足；俄语语音合成，数据与标注是核心。

    本期的 10 篇论文如下： [00:20] 😈 The Devil behind the mask: An emergent safety vulnerability of Diffusion LLMs（隐藏在面具后的恶魔：扩散大语言模型的一种新兴安全漏洞） [01:12] 🎤 A Data-Centric Framework for Addressing Phonetic and Prosodic Challenges in Russian Speech Generative Models（解决俄语语音生成模型中语音与韵律挑战的数据中心框架） [02:07] 🧩 Franca: Nested Matryoshka Clustering for Scalable Visual Representation Learning（Franca：用于可扩展视觉表示学习的嵌套套娃聚类） [02:49] 🚀 Mono-InternVL-1.5: Towards Cheaper and Faster Monolithic Multimodal Large Language Models（Mono-InternVL-1.5：迈向更经济、更快速的单体多模态大语言模型） [03:24] 🎨 CSD-VAR: Content-Style Decomposition in Visual Autoregressive Models（CSD-VAR：视觉自回归模型中的内容-风格分解） [04:27] 🚀 RedOne: Revealing Domain-specific LLM Post-Training in Social Networking Services（RedOne：揭示社交网络服务中领域专用LLM的后训练） [05:08] 🤝 Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities（逆向强化学习与大语言模型后训练的结合：基础、进展与机遇） [05:41] 🚫 Mitigating Object Hallucinations via Sentence-Level Early Intervention（通过句子级早期干预缓解物体幻觉） [06:20] ⚡ The Generative Energy Arena (GEA): Incorporating Energy Awareness in Large Language Model (LLM) Human Evaluations（生成式能源竞技场 (GEA)：在大型语言模型 (LLM) 人工评估中融入能源意识） [07:41] 📈 Quantitative Risk Management in Volatile Markets with an Expectile-Based Framework for the FTSE Index（波动市场中基于期望分位数框架的定量风险管理：以富时指数为例） 【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 мин.

  3. -3 ДН.

    【周末特辑】7月第3周最火AI论文 | 上下文工程提升LLM性能；反射生成模型提高推理效率。

    本期的 5 篇论文如下： [00:39] TOP1(🔥116) | 🧮 A Survey of Context Engineering for Large Language Models（大型语言模型上下文工程综述） [02:35] TOP2(🔥86) | 🧠 Test-Time Scaling with Reflective Generative Model（基于反射生成模型的测试时缩放） [04:31] TOP3(🔥74) | 🤔 Reasoning or Memorization? Unreliable Results of Reinforcement Learning Due to Data Contamination（推理还是记忆？数据污染导致强化学习结果不可靠） [07:35] TOP4(🔥67) | 🧠 Open Vision Reasoner: Transferring Linguistic Cognitive Behavior for Visual Reasoning（开放视觉推理器：迁移语言认知行为以实现视觉推理） [11:16] TOP5(🔥64) | 💻 NeuralOS: Towards Simulating Operating Systems via Neural Generative Models（NeuralOS：迈向通过神经生成模型模拟操作系统的方向） 【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

    14 мин.

  4. -4 ДН.

    2025.07.18 | 优化LLMs上下文；提升视觉语言模型效率

    本期的 15 篇论文如下： [00:27] 🧮 A Survey of Context Engineering for Large Language Models（大型语言模型上下文工程综述） [01:16] 🧠 VisionThink: Smart and Efficient Vision Language Model via Reinforcement Learning（VisionThink：基于强化学习的智能高效视觉语言模型） [02:08] 📸 $π^3$: Scalable Permutation-Equivariant Visual Geometry Learning（$\pi^3$：可扩展的置换等变视觉几何学习） [02:52] 🤖 The Imitation Game: Turing Machine Imitator is Length Generalizable Reasoner（模仿游戏：图灵机模仿器是长度泛化的推理器） [03:47] 🖼 AnyCap Project: A Unified Framework, Dataset, and Benchmark for Controllable Omni-modal Captioning（AnyCap项目：一个用于可控全模态图像描述的统一框架、数据集和基准） [04:47] 🧑 Diffuman4D: 4D Consistent Human View Synthesis from Sparse-View Videos with Spatio-Temporal Diffusion Models（Diffuman4D：基于时空扩散模型的稀疏视角视频的4D一致性人体视角合成） [05:34] 🎭 FantasyPortrait: Enhancing Multi-Character Portrait Animation with Expression-Augmented Diffusion Transformers（梦幻肖像：利用表情增强的扩散Transformer提升多角色肖像动画效果） [06:23] 🧠 MindJourney: Test-Time Scaling with World Models for Spatial Reasoning（心灵之旅：基于世界模型的测试时空域推理扩展） [07:17] 🔬 AbGen: Evaluating Large Language Models in Ablation Study Design and Evaluation for Scientific Research（AbGen：评估大型语言模型在科学研究的消融实验设计与评估中的能力） [08:08] 🗣 Voxtral（Voxtral：多模态音频聊天模型） [08:55] 💡 Teach Old SAEs New Domain Tricks with Boosting（利用Boosting技术使旧的稀疏自编码器掌握新的领域技巧） [09:46] 💡 FLEXITOKENS: Flexible Tokenization for Evolving Language Models（FLEXITOKENS：用于演化语言模型的灵活分词） [10:49] 🎬 TLB-VFI: Temporal-Aware Latent Brownian Bridge Diffusion for Video Frame Interpolation（TLB-VFI：用于视频帧插值的时序感知潜在布朗桥扩散模型） [11:45] 🛡 Automating Steering for Safe Multimodal Large Language Models（多模态大语言模型安全自动导向） [12:25] ⚙ RiemannLoRA: A Unified Riemannian Framework for Ambiguity-Free LoRA Optimization（RiemannLoRA：一种用于无歧义LoRA优化的统一黎曼框架） 【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

    14 мин.

  5. -5 ДН.

    2025.07.17 | RAG提升LLM推理；PhysX生成物理3D资产

    本期的 13 篇论文如下： [00:26] 🧠 Towards Agentic RAG with Deep Reasoning: A Survey of RAG-Reasoning Systems in LLMs（具身智能RAG与深度推理：LLM中RAG推理系统综述） [01:17] 🧱 PhysX: Physical-Grounded 3D Asset Generation（PhysX：基于物理的3D资产生成） [02:04] 🚗 MMHU: A Massive-Scale Multimodal Benchmark for Human Behavior Understanding（MMHU：一个用于人类行为理解的大规模多模态基准） [03:05] 🚀 SWE-Perf: Can Language Models Optimize Code Performance on Real-World Repositories?（SWE-Perf：语言模型能否优化真实世界代码仓库的性能？） [04:00] 💃 MOSPA: Human Motion Generation Driven by Spatial Audio（MOSPA：空间音频驱动的人体动作生成） [04:57] 🏗 DrafterBench: Benchmarking Large Language Models for Tasks Automation in Civil Engineering（DrafterBench：用于土木工程中任务自动化的LLM基准测试） [05:58] 🤖 Seq vs Seq: An Open Suite of Paired Encoders and Decoders（序列模型对比：一个开放的配对编码器与解码器套件） [06:38] 🎬 AnyI2V: Animating Any Conditional Image with Motion Control（AnyI2V：通过运动控制动画化任何条件图像） [07:34] 🎯 SpatialTrackerV2: 3D Point Tracking Made Easy（SpatialTrackerV2：化繁为简的3D点追踪） [08:27] 🦎 Lizard: An Efficient Linearization Framework for Large Language Models（Lizard：一种用于大型语言模型的高效线性化框架） [09:14] 🧰 Replacing thinking with tool usage enables reasoning in small language models（以工具使用代替思考：小语言模型中的推理能力提升） [10:05] 🧙 AI Wizards at CheckThat! 2025: Enhancing Transformer-Based Embeddings with Sentiment for Subjectivity Detection in News Articles（CheckThat! 2025 挑战赛中的 AI 巫师：利用情感增强的 Transformer 嵌入改进新闻文章中的主观性检测） [10:51] 🧠 RLEP: Reinforcement Learning with Experience Replay for LLM Reasoning（RLEP：基于经验回放的强化学习用于LLM推理） 【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 мин.

  6. -6 ДН.

    2025.07.16 | VLV自编码器降低训练成本；EXAONE 4.0增强推理能力。

    本期的 8 篇论文如下： [00:28] 💡 Vision-Language-Vision Auto-Encoder: Scalable Knowledge Distillation from Diffusion Models（视觉-语言-视觉自编码器：从扩散模型中进行可扩展的知识蒸馏） [01:27] 🤖 EXAONE 4.0: Unified Large Language Models Integrating Non-reasoning and Reasoning Modes（EXAONE 4.0：融合非推理与推理模式的统一大型语言模型） [02:24] ⚖ Scaling Laws for Optimal Data Mixtures（最优数据混合的缩放定律） [03:12] 🔬 Can Multimodal Foundation Models Understand Schematic Diagrams? An Empirical Study on Information-Seeking QA over Scientific Papers（多模态基础模型能理解示意图吗？基于科学论文的信息检索问答实证研究） [03:58] 🤝 AgentsNet: Coordination and Collaborative Reasoning in Multi-Agent LLMs（AgentsNet: 多智能体LLM中的协同与合作推理） [04:50] 🦠 LLMalMorph: On The Feasibility of Generating Variant Malware using Large-Language-Models（LLM变种重塑：基于大型语言模型生成恶意软件变体的可行性研究） [05:38] 🤖 OpenCodeReasoning-II: A Simple Test Time Scaling Approach via Self-Critique（OpenCodeReasoning-II：一种基于自我评价的简单测试时缩放方法） [06:25] 🧠 Planted in Pretraining, Swayed by Finetuning: A Case Study on the Origins of Cognitive Biases in LLMs（根植于预训练，受微调影响：LLM中认知偏差的起源案例研究） 【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

    8 мин.

  7. 16 ИЮЛ.

    2025.07.15 | 数据集支持虚拟人生成；强化学习需防数据污染。

    本期的 12 篇论文如下： [00:24] 🗣 SpeakerVid-5M: A Large-Scale High-Quality Dataset for Audio-Visual Dyadic Interactive Human Generation（SpeakerVid-5M：用于视听二元交互式虚拟人生成的大规模高质量数据集） [01:12] 🤔 Reasoning or Memorization? Unreliable Results of Reinforcement Learning Due to Data Contamination（推理还是记忆？数据污染导致强化学习结果不可靠） [02:03] 🤖 EmbRACE-3K: Embodied Reasoning and Action in Complex Environments（EmbRACE-3K：复杂环境中的具身推理与行动） [03:02] 🤔 REST: Stress Testing Large Reasoning Models by Asking Multiple Problems at Once（REST：通过同时提问多个问题来压力测试大型推理模型） [03:56] 🧮 Mixture-of-Recursions: Learning Dynamic Recursive Depths for Adaptive Token-Level Computation（递归混合：学习动态递归深度以实现自适应Token级别计算） [04:46] 🧠 LayerCake: Token-Aware Contrastive Decoding within Large Language Model Layers（LayerCake：大语言模型层内的Token感知对比解码） [05:39] ⚖ CompassJudger-2: Towards Generalist Judge Model via Verifiable Rewards（CompassJudger-2：基于可验证奖励的通用判别模型） [06:27] 🎬 MoVieS: Motion-Aware 4D Dynamic View Synthesis in One Second（MoVieS：一秒内实现运动感知的四维动态视角合成） [07:18] 🧮 A Practical Two-Stage Recipe for Mathematical LLMs: Maximizing Accuracy with SFT and Efficiency with Reinforcement Learning（数学大型语言模型的实用两阶段方案：通过监督微调最大化准确率，通过强化学习优化效率） [08:05] 🇰 From KMMLU-Redux to KMMLU-Pro: A Professional Korean Benchmark Suite for LLM Evaluation（从KMMLU-Redux到KMMLU-Pro：用于LLM评估的专业韩国基准套件） [09:08] 🖼 DreamPoster: A Unified Framework for Image-Conditioned Generative Poster Design（DreamPoster：一个用于图像条件生成海报设计的统一框架） [09:54] 🖼 Favicon Trojans: Executable Steganography Via Ico Alpha Channel Exploitation（Favicon木马：通过ICO Alpha通道利用实现的可执行隐写术） 【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 мин.

  8. 14 ИЮЛ.

    2025.07.14 | 高效推理路径选择；压缩光场令牌渲染

    本期的 14 篇论文如下： [00:22] 🧠 Test-Time Scaling with Reflective Generative Model（基于反射生成模型的测试时缩放） [00:59] 💡 CLiFT: Compressive Light-Field Tokens for Compute-Efficient and Adaptive Neural Rendering（CLiFT：用于计算高效和自适应神经渲染的压缩光场令牌） [01:34] 💻 NeuralOS: Towards Simulating Operating Systems via Neural Generative Models（NeuralOS：迈向通过神经生成模型模拟操作系统的方向） [02:19] 🧠 KV Cache Steering for Inducing Reasoning in Small Language Models（用于诱导小语言模型推理的KV缓存引导） [03:03] 🧠 Neural-Driven Image Editing（神经驱动的图像编辑） [03:42] 🎬 Lumos-1: On Autoregressive Video Generation from a Unified Model Perspective（Lumos-1：基于统一模型视角的自回归视频生成） [04:27] 🧠 Open Vision Reasoner: Transferring Linguistic Cognitive Behavior for Visual Reasoning（开放视觉推理器：迁移语言认知行为以实现视觉推理） [05:14] 🧩 From One to More: Contextual Part Latents for 3D Generation（从一到多：用于3D生成的上下文部件隐变量） [05:53] 🤖 One Token to Fool LLM-as-a-Judge（一个Token即可欺骗LLM法官） [06:32] 🖼 Vision Foundation Models as Effective Visual Tokenizers for Autoregressive Image Generation（视觉基础模型作为自回归图像生成的有效视觉标记器） [07:16] 🔭 What Has a Foundation Model Found? Using Inductive Bias to Probe for World Models（基础模型发现了什么？利用归纳偏置来探测世界模型） [08:00] 🚀 Gemini 2.5: Pushing the Frontier with Advanced Reasoning, Multimodality, Long Context, and Next Generation Agentic Capabilities（Gemini 2.5：通过高级推理、多模态、长上下文和下一代 Agent 能力推向新前沿） [08:48] 🚀 BlockFFN: Towards End-Side Acceleration-Friendly Mixture-of-Experts with Chunk-Level Activation Sparsity（BlockFFN：面向终端侧加速友好的块级激活稀疏混合专家模型） [09:25] 😵 Robust Multimodal Large Language Models Against Modality Conflict（面向模态冲突的鲁棒多模态大语言模型） 【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

    10 мин.
См. все (335)

Оценки и отзывы

5
из 5
Оценок: 2

Об этом подкасте

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】

Информация

  • Автор
    duan
  • Годы выхода
    2024 - 2025
  • Выпуски
    335
  • Ограничения
    Без ненормативной лексики
  • Авторские права
    © 拨号上网@小宇宙App
  • Сайт подкаста
    HuggingFace 每日AI论文速递

Вам может также понравиться

Чтобы прослушивать выпуски с ненормативным контентом, войдите в систему.

Следите за новостями подкаста

Войдите в систему или зарегистрируйтесь, чтобы следить за подкастами, сохранять выпуски и получать последние обновления.
Выберите страну или регион

Африка, Ближний Восток и Индия

Азиатско-Тихоокеанский регион

Европа

Латинская Америка и страны Карибского бассейна

США и Канада