HuggingFace 每日AI论文速递

duan
  • 5.0（2則評分）
  • 科技
  • 每日更新

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. 21 小時前

    2025.08.12 | ReasonRank提升段落排序推理；WideSearch评估智能体广域搜寻

    本期的 15 篇论文如下： [00:18] 🧠 ReasonRank: Empowering Passage Ranking with Strong Reasoning Ability（ReasonRank：赋予段落排序强大推理能力） [00:41] 🔍 WideSearch: Benchmarking Agentic Broad Info-Seeking（WideSearch：智能体广域信息搜寻基准测试） [01:01] ✨ Omni-Effects: Unified and Spatially-Controllable Visual Effects Generation（Omni-Effects：统一且空间可控的视觉效果生成） [01:26] 🧠 Klear-Reasoner: Advancing Reasoning Capability via Gradient-Preserving Clipping Policy Optimization（Klear-Reasoner：通过梯度保留剪裁策略优化提升推理能力） [01:59] 💬 UserBench: An Interactive Gym Environment for User-Centric Agents（UserBench：面向用户中心智能体的交互式Gym基准环境） [02:22] 💡 SONAR-LLM: Autoregressive Transformer that Thinks in Sentence Embeddings and Speaks in Tokens（SONAR-LLM：以句子嵌入思考并以Token表达的自回归Transformer） [02:50] 🌱 A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems（自进化AI智能体综合综述：连接基础模型与终身智能体系统的新范式） [03:15] 🔬 BrowseComp-Plus: A More Fair and Transparent Evaluation Benchmark of Deep-Research Agent（BrowseComp-Plus：一种更公平透明的深度研究智能体评估基准） [03:45] 🤖 MolmoAct: Action Reasoning Models that can Reason in Space（MolmoAct：可进行空间推理的动作推理模型） [04:11] 🤖 OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks（OmniEAR：具身任务中智能体推理的基准测试） [04:38] 💡 Grove MoE: Towards Efficient and Superior MoE LLMs with Adjugate Experts（Grove MoE：面向高效卓越的伴随专家MoE大语言模型） [05:05] ⏳ Temporal Self-Rewarding Language Models: Decoupling Chosen-Rejected via Past-Future（时序自奖励语言模型：通过过去-未来解耦选择与拒绝） [05:29] 🗺 Reinforcement Learning in Vision: A Survey（视觉强化学习：综述） [05:59] 🔍 Part I: Tricks or Traps? A Deep Dive into RL for LLM Reasoning（第一部分：技巧还是陷阱？深入探究强化学习在大型语言模型推理中的应用） [06:23] 🖌 Follow-Your-Shape: Shape-Aware Image Editing via Trajectory-Guided Region Control（随形而动：轨迹引导区域控制的形状感知图像编辑） 【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

    7 分鐘

  2. 1 天前

    2025.08.11 | GLM-4.5统一智能体推理编程；Voost高保真虚拟试穿试脱

    本期的 11 篇论文如下： [00:20] 🚀 GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models（GLM-4.5：智能体、推理与编程（ARC）基础模型） [00:47] 👕 Voost: A Unified and Scalable Diffusion Transformer for Bidirectional Virtual Try-On and Try-Off（Voost：一种统一且可扩展的双向虚拟试穿与试脱扩散Transformer） [01:11] 🎯 InfiGUI-G1: Advancing GUI Grounding with Adaptive Exploration Policy Optimization（InfiGUI-G1：通过自适应探索策略优化推进 GUI 元素定位能力） [01:34] 🧠 Memp: Exploring Agent Procedural Memory（Memp：探索智能体程序性记忆） [02:03] ✂ Pruning the Unsurprising: Efficient Code Reasoning via First-Token Surprisal（剪枝非关键信息：基于首令牌惊奇度的高效代码推理） [02:29] 🪄 GENIE: Gaussian Encoding for Neural Radiance Fields Interactive Editing（GENIE：用于神经辐射场交互式编辑的高斯编码） [02:50] 📚 Adapting Vision-Language Models Without Labels: A Comprehensive Survey（无标签视觉-语言模型适应：一项全面综述） [03:15] 🌍 MELLA: Bridging Linguistic Capability and Cultural Groundedness for Low-Resource Language MLLMs（MELLA：弥合低资源语言多模态大语言模型的语言能力与文化扎根性） [03:37] 🧱 MeshLLM: Empowering Large Language Models to Progressively Understand and Generate 3D Mesh（MeshLLM：赋能大型语言模型逐步理解和生成3D网格） [04:02] 🎯 UI-AGILE: Advancing GUI Agents with Effective Reinforcement Learning and Precise Inference-Time Grounding（UI-AGILE：以有效强化学习和精准推断时定位提升图形用户界面智能体） [04:30] ✨ LightSwitch: Multi-view Relighting with Material-guided Diffusion（光开关：基于材料引导扩散的多视角重照明） 【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

    5 分鐘

  3. 3 天前

    【周末特辑】8月第2周最火AI论文 | CoT推理是幻象；Qwen-Image渲染领先

    本期的 5 篇论文如下： [00:33] TOP1(🔥174) | 🤔 Is Chain-of-Thought Reasoning of LLMs a Mirage? A Data Distribution Lens（LLM思维链推理是海市蜃楼吗？一个数据分布的视角） [01:46] TOP2(🔥158) | 🎨 Qwen-Image Technical Report（Qwen-Image技术报告） [02:59] TOP3(🔥127) | 🤖 VeriGUI: Verifiable Long-Chain GUI Dataset（VeriGUI：可验证的长链GUI数据集） [04:09] TOP4(🔥100) | 🚀 Seed Diffusion: A Large-Scale Diffusion Language Model with High-Speed Inference（种子扩散：一种具有高速推理能力的大规模扩散语言模型） [05:07] TOP5(🔥84) | ✨ On the Generalization of SFT: A Reinforcement Learning Perspective with Reward Rectification（关于SFT泛化性的研究：一个基于奖励修正的强化学习视角） 【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

    6 分鐘

  4. 4 天前

    2025.08.08 | 动态微调优推理;零数据自演进强推理

    本期的 15 篇论文如下： [00:16] ✨ On the Generalization of SFT: A Reinforcement Learning Perspective with Reward Rectification（关于SFT泛化性的研究：一个基于奖励修正的强化学习视角） [00:41] 🌱 R-Zero: Self-Evolving Reasoning LLM from Zero Data（R-Zero：零数据自演进推理大语言模型） [01:00] 🤖 Genie Envisioner: A Unified World Foundation Platform for Robotic Manipulation（Genie Envisioner：一个用于机器人操作的统一世界基础平台） [01:27] 🤔 DeepPHY: Benchmarking Agentic VLMs on Physical Reasoning（DeepPHY：具身视觉语言模型物理推理基准测试） [01:49] 📊 Hi3DEval: Advancing 3D Generation Evaluation with Hierarchical Validity（Hi3DEval：基于分层有效性的3D生成评估进展） [02:12] 🤔 Are We on the Right Way for Assessing Document Retrieval-Augmented Generation?（文档检索增强生成评估：我们走在正确的道路上吗？） [02:40] 🔍 Can Large Multimodal Models Actively Recognize Faulty Inputs? A Systematic Evaluation Framework of Their Input Scrutiny Ability（大型多模态模型能否主动识别有缺陷的输入？一项对其输入审查能力的系统性评估框架） [03:08] 💡 Are Today's LLMs Ready to Explain Well-Being Concepts?（当今大型语言模型能否胜任解释幸福感概念？） [03:30] 🚀 CoAct-1: Computer-using Agents with Coding as Actions（CoAct-1：以编程为行动的计算机操作代理） [03:57] 🚀 InfiAlign: A Scalable and Sample-Efficient Framework for Aligning LLMs to Enhance Reasoning Capabilities（InfiAlign：可扩展、样本高效的LLM推理能力对齐框架） [04:18] 💬 Evaluating, Synthesizing, and Enhancing for Customer Support Conversation（评估、合成与提升客户支持对话） [04:41] 💡 Don't Overthink It: A Survey of Efficient R1-style Large Reasoning Models（拒绝过度思考：高效R1风格大型推理模型综述） [05:02] 🤯 MOSEv2: A More Challenging Dataset for Video Object Segmentation in Complex Scenes（MOSEv2：复杂场景视频目标分割的更具挑战性数据集） [05:22] 🎤 Marco-Voice Technical Report（Marco-Voice 技术报告） [05:47] 🎨 StrandDesigner: Towards Practical Strand Generation with Sketch Guidance（StrandDesigner：迈向草图引导的实用毛发生成） 【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

    7 分鐘

  5. 5 天前

    2025.08.07 | VeriGUI提升代理能力；CoT推理实为模式匹配

    本期的 13 篇论文如下： [00:20] 🤖 VeriGUI: Verifiable Long-Chain GUI Dataset（VeriGUI：可验证的长链GUI数据集） [00:40] 🤔 Is Chain-of-Thought Reasoning of LLMs a Mirage? A Data Distribution Lens（LLM思维链推理是海市蜃楼吗？一个数据分布的视角） [00:59] 💰 Efficient Agents: Building Effective Agents While Reducing Cost（高效智能体：在降低成本的同时构建有效智能体） [01:21] 🌱 SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience（SEAgent：基于经验自主学习的自我演进计算机操作智能体） [01:47] ⚡ Agent Lightning: Train ANY AI Agents with Reinforcement Learning（智能体闪电：基于强化学习训练任意AI智能体） [02:09] 🧠 CoTox: Chain-of-Thought-Based Molecular Toxicity Reasoning and Prediction（CoTox：基于思维链的分子毒性推理与预测） [02:35] 🤖 Training Long-Context, Multi-Turn Software Engineering Agents with Reinforcement Learning（使用强化学习训练长上下文、多轮软件工程智能体） [03:00] 🤝 Sotopia-RL: Reward Design for Social Intelligence（Sotopia-RL：社交智能的奖励设计） [03:26] 💻 LaTCoder: Converting Webpage Design to Code with Layout-as-Thought（LaTCoder：基于布局思考的网页设计转代码） [03:52] 🧠 Web-CogReasoner: Towards Knowledge-Induced Cognitive Reasoning for Web Agents（Web-CogReasoner：迈向Web智能体的知识诱导认知推理） [04:16] ✨ HPSv3: Towards Wide-Spectrum Human Preference Score（HPSv3：迈向广谱人类偏好评分） [04:38] 🪄 Gaussian Variation Field Diffusion for High-fidelity Video-to-4D Synthesis（高斯变化场扩散实现高保真视频到4D合成） [05:00] ⚡ LeanK: Learnable K Cache Channel Pruning for Efficient Decoding（LeanK：可学习的K缓存通道剪枝实现高效解码） 【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

    6 分鐘

  6. 6 天前

    2025.08.06 | 高速推理扩散模型；紧凑视觉生成模型

    本期的 13 篇论文如下： [00:17] 🚀 Seed Diffusion: A Large-Scale Diffusion Language Model with High-Speed Inference（种子扩散：一种具有高速推理能力的大规模扩散语言模型） [00:39] 🎨 Skywork UniPic: Unified Autoregressive Modeling for Visual Understanding and Generation（Skywork UniPic：用于视觉理解与生成的统一自回归建模） [01:05] 🎥 LongVie: Multimodal-Guided Controllable Ultra-Long Video Generation（LongVie：多模态引导的可控超长视频生成） [01:27] 🔍 CompassVerifier: A Unified and Robust Verifier for LLMs Evaluation and Outcome Reward（CompassVerifier：统一且鲁棒的大语言模型评估与结果奖励验证器） [01:51] 🚀 CRINN: Contrastive Reinforcement Learning for Approximate Nearest Neighbor Search（CRINN: 用于近似最近邻搜索的对比强化学习） [02:13] 🔍 Tool-integrated Reinforcement Learning for Repo Deep Search（用于仓库深度搜索的工具集成强化学习） [02:36] 👥 Multi-human Interactive Talking Dataset（多人互动说话数据集） [03:04] 🧠 Goedel-Prover-V2: Scaling Formal Theorem Proving with Scaffolded Data Synthesis and Self-Correction（哥德尔证明器V2：通过脚手架数据合成和自我校正扩展形式化定理证明） [03:39] 🧭 LiveMCPBench: Can Agents Navigate an Ocean of MCP Tools?（LiveMCPBench：智能体能在海量MCP工具的海洋中航行吗？） [04:08] 🧩 LAMIC: Layout-Aware Multi-Image Composition via Scalability of Multimodal Diffusion Transformer（LAMIC: 基于多模态扩散Transformer可扩展性的布局感知多图像合成） [04:37] 📊 ChartCap: Mitigating Hallucination of Dense Chart Captioning（ChartCap：缓解密集图表字幕生成的幻觉问题） [05:03] 🛡 AlignGuard-LoRA: Alignment-Preserving Fine-Tuning via Fisher-Guided Decomposition and Riemannian-Geodesic Collision Regularization（AlignGuard-LoRA：基于Fisher引导分解与黎曼测地碰撞正则化的对齐保持微调） [05:35] 🔍 TRACEALIGN -- Tracing the Drift: Attributing Alignment Failures to Training-Time Belief Sources in LLMs（TRACEALIGN -- 追踪漂移：将大语言模型中的对齐失败归因于训练时的信念源） 【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

    6 分鐘

  7. 8月6日

    2025.08.05 | 图像文本渲染编辑创新；上下文检索提升故事理解

    本期的 15 篇论文如下： [00:18] 🎨 Qwen-Image Technical Report（Qwen-Image技术报告） [00:39] 🔍 SitEmb-v1.5: Improved Context-Aware Dense Retrieval for Semantic Association and Long Story Comprehension（SitEmb-v1.5：改进的上下文感知密集检索用于语义关联与长故事理解） [01:08] 🧬 CellForge: Agentic Design of Virtual Cell Models（CellForge: 虚拟细胞模型的智能体设计） [01:36] 🧠 Beyond the Trade-off: Self-Supervised Reinforcement Learning for Reasoning Models' Instruction Following（超越权衡：用于推理模型指令遵循的自监督强化学习） [02:05] 🛡 Llama-3.1-FoundationAI-SecurityLLM-8B-Instruct Technical Report（Llama-3.1-FoundationAI-SecurityLLM-8B-Instruct 技术报告） [02:32] 🤖 InstructVLA: Vision-Language-Action Instruction Tuning from Understanding to Manipulation（InstructVLA：从理解到操作的视觉-语言-动作指令微调） [03:04] 🚀 VeOmni: Scaling Any Modality Model Training with Model-Centric Distributed Recipe Zoo（VeOmni：通过以模型为中心的分布式配方库扩展任意模态模型训练） [03:31] ✂ A Glimpse to Compress: Dynamic Visual Token Pruning for Large Vision-Language Models（压缩一瞥：大型视觉语言模型的动态视觉令牌剪枝） [03:57] 🔒 Personalized Safety Alignment for Text-to-Image Diffusion Models（文本到图像扩散模型的个性化安全对齐） [04:16] 🌐 Voxlect: A Speech Foundation Model Benchmark for Modeling Dialects and Regional Languages Around the Globe（Voxlect：一个用于建模全球方言和地区语言的语音基础模型基准） [04:46] 🧠 RoboMemory: A Brain-inspired Multi-memory Agentic Framework for Lifelong Learning in Physical Embodied Systems（RoboMemory：一种受大脑启发的多记忆智能体框架，用于物理体现系统中的终身学习） [05:10] 🎨 Artificial Intelligence and Misinformation in Art: Can Vision Language Models Judge the Hand or the Machine Behind the Canvas?（人工智能与艺术中的错误信息：视觉语言模型能否判断画布背后的是人手还是机器？） [05:47] 🔄 Exploitation Is All You Need... for Exploration（利用是你所需要的一切...为了探索） [06:15] 🔒 Cyber-Zero: Training Cybersecurity Agents without Runtime（Cyber-Zero：无运行时训练网络安全代理） [06:41] 🧠 AgentTTS: Large Language Model Agent for Test-time Compute-optimal Scaling Strategy in Complex Tasks（AgentTTS：用于复杂任务中测试时计算最优扩展策略的大语言模型智能体） 【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

    7 分鐘

  8. 8月5日

    2025.08.04 | 扩散语言模型变长去噪，高效省资源；PixNerd图像扩散，高效高质量。

    本期的 11 篇论文如下： [00:22] 🔄 Beyond Fixed: Variable-Length Denoising for Diffusion Large Language Models（超越固定长度：扩散大语言模型的可变长度去噪） [00:44] 🎨 PixNerd: Pixel Neural Field Diffusion（PixNerd：像素神经场扩散） [01:11] 💡 SWE-Exp: Experience-Driven Software Issue Resolution（SWE-Exp：经验驱动的软件问题解决） [01:38] 🔍 Multimodal Referring Segmentation: A Survey（多模态指代表达分割：一项综述） [01:59] 🧠 3D-R1: Enhancing Reasoning in 3D VLMs for Unified Scene Understanding（3D-R1：增强3D VLM的推理能力以实现统一场景理解） [02:40] 🤖 SWE-Debate: Competitive Multi-Agent Debate for Software Issue Resolution（SWE-Debate：用于软件问题解决的竞争性多智能体辩论） [03:05] ⚖ Learning an Efficient Multi-Turn Dialogue Evaluator from Multiple Judges（从多个评委中学习高效的多轮对话评估器） [03:33] 🤯 Investigating Hallucination in Conversations for Low Resource Languages（研究低资源语言对话中的幻觉现象） [04:00] 🧭 IGL-Nav: Incremental 3D Gaussian Localization for Image-goal Navigation（IGL-Nav：用于图像目标导航的增量式三维高斯定位） [04:30] 🎧 SpA2V: Harnessing Spatial Auditory Cues for Audio-driven Spatially-aware Video Generation（SpA2V: 利用空间听觉线索进行音频驱动的空间感知视频生成） [04:55] 🎮 Multi-Agent Game Generation and Evaluation via Audio-Visual Recordings（多智能体游戏生成与评估基于视听记录） 【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

    6 分鐘
顯示全部 (354)

評分與評論

5
（滿分 5 顆星）
2 則評分

簡介

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】

資訊

你可能也會喜歡