本期的 9 篇论文如下：

[00:27] 💻 Windows Agent Arena: Evaluating Multi-Modal OS Agents at Scale（Windows Agent Arena: 大规模评估多模态操作系统代理）

[01:03] 🤖 Can LLMs Generate Novel Research Ideas? A Large-Scale Human Study with 100+ NLP Researchers（大语言模型能否生成新颖的研究想法？一项与100多名NLP研究人员合作的大规模人类研究）

[01:37] 🖼 IFAdapter: Instance Feature Control for Grounded Text-to-Image Generation（基于实例特征控制的接地文本到图像生成）

[02:13] 🖼 TextBoost: Towards One-Shot Personalization of Text-to-Image Models via Fine-tuning Text Encoder（TextBoost：通过微调文本编码器实现文本到图像模型的单次个性化）

[02:55] 🧑 DreamHOI: Subject-Driven Generation of 3D Human-Object Interactions with Diffusion Priors（DreamHOI：基于扩散先验的主体驱动生成3D人-物交互）

[03:41] 🔄 Source2Synth: Synthetic Data Generation and Curation Grounded in Real Data Sources（基于真实数据源的合成数据生成与筛选）

[04:28] 🌐 FlashSplat: 2D to 3D Gaussian Splatting Segmentation Solved Optimally（FlashSplat：二维到三维高斯喷射分割的最优解）

[05:03] 🔍 Can OOD Object Detectors Learn from Foundation Models?（基础模型能否助力分布外目标检测？）

[05:38] 🎥 PiTe: Pixel-Temporal Alignment for Large Video-Language Model（PiTe：大型视频-语言模型的像素-时间对齐）

【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