2025.06.24 | 法线光照新方法提升细节；多模态生成模型表现优异。

本期的 15 篇论文如下：

[00:24] 💡 Light of Normals: Unified Feature Representation for Universal Photometric Stereo（法线光照：用于通用光度立体的统一特征表示）

[01:00] 🎨 OmniGen2: Exploration to Advanced Multimodal Generation（OmniGen2：迈向更高级的多模态生成探索）

[01:39] ✍ LongWriter-Zero: Mastering Ultra-Long Text Generation via Reinforcement Learning（LongWriter-Zero：通过强化学习掌握超长文本生成）

[02:17] 🎭 Phantom-Data : Towards a General Subject-Consistent Video Generation Dataset（幻影数据：面向通用主题一致性视频生成数据集）

[02:58] 🧠 RLPR: Extrapolating RLVR to General Domains without Verifiers（RLPR：将RLVR推广到无验证器的一般领域）

[03:36] 🧠 ReasonFlux-PRM: Trajectory-Aware PRMs for Long Chain-of-Thought Reasoning in LLMs（ReasonFlux-PRM：LLM中用于长链思维推理的轨迹感知PRM）

[04:11] 🤖 OAgents: An Empirical Study of Building Effective Agents（OAgents：构建有效智能体的实证研究）

[04:52] 🖼 Vision as a Dialect: Unifying Visual Understanding and Generation via Text-Aligned Representations（视觉即方言：通过文本对齐表征统一视觉理解与生成）

[05:31] 🎬 VMem: Consistent Interactive Video Scene Generation with Surfel-Indexed View Memory（VMem：基于Surfel索引视图记忆的交互式一致视频场景生成）

[06:06] 🧑 LettinGo: Explore User Profile Generation for Recommendation System（LettinGo：探索用于推荐系统的用户画像生成）

[06:48] 🔀 ReDit: Reward Dithering for Improved LLM Policy Optimization（ReDit：通过奖励抖动改进LLM策略优化）

[07:29] 💡 FinCoT: Grounding Chain-of-Thought in Expert Financial Reasoning（FinCoT：将思维链扎根于专家金融推理）

[08:08] 🎬 ViDAR: Video Diffusion-Aware 4D Reconstruction From Monocular Inputs（ViDAR：基于视频扩散的单目输入四维重建）

[08:47] 🖼 Auto-Regressively Generating Multi-View Consistent Images（自回归生成多视角一致性图像）

[09:35] 💡 SlimMoE: Structured Compression of Large MoE Models via Expert Slimming and Distillation（SlimMoE：通过专家精简和知识蒸馏实现大型MoE模型的结构化压缩）

【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