本期的 16 篇论文如下：

[00:25] 🌐 Baichuan-Omni Technical Report（百川-Omni 技术报告）

[00:59] 🖼 Meissonic: Revitalizing Masked Generative Transformers for Efficient High-Resolution Text-to-Image Synthesis（Meissonic：高效高分辨率文本到图像生成的掩码生成Transformer复兴）

[01:41] 🔧 From Generalist to Specialist: Adapting Vision Language Models via Task-Specific Visual Instruction Tuning（从通才到专家：通过任务特定视觉指令调整适应视觉语言模型）

[02:17] 🎨 EvolveDirector: Approaching Advanced Text-to-Image Generation with Large Vision-Language Models（进化导演：利用大规模视觉语言模型接近高级文本到图像生成）

[02:53] 🧠 StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization（结构化RAG：通过推理时混合信息结构化提升LLMs的知识密集型推理能力）

[03:34] 📏 PositionID: LLMs can Control Lengths, Copy and Paste with Explicit Positional Awareness（大语言模型：具备显式位置感知的长度控制与复制粘贴）

[04:11] 🌐 Semantic Score Distillation Sampling for Compositional Text-to-3D Generation（语义分数蒸馏采样用于组合式文本到3D生成）

[04:47] 🧠 SuperCorrect: Supervising and Correcting Language Models with Error-Driven Insights（超级纠正：利用错误驱动的洞察力监督和纠正语言模型）

[05:29] 🔄 Mechanistic Permutability: Match Features Across Layers（机制可置换性：跨层匹配特征）

[06:07] 🤖 Multi-Agent Collaborative Data Selection for Efficient LLM Pretraining（多智能体协作数据选择以提高LLM预训练效率）

[06:45] ⚡ KV Prediction for Improved Time to First Token（KV预测提升首次输出时间）

[07:30] 🌐 ZeroComp: Zero-shot Object Compositing from Image Intrinsics via Diffusion（零样本对象合成：基于扩散的图像内在特性）

[08:13] 🚨 MiRAGeNews: Multimodal Realistic AI-Generated News Detection（多模态现实AI生成新闻检测）

[08:52] 🤖 DA-Code: Agent Data Science Code Generation Benchmark for Large Language Models（DA-Code：面向大型语言模型的代理数据科学代码生成基准）

[09:30] 📈 I-Max: Maximize the Resolution Potential of Pre-trained Rectified Flow Transformers with Projected Flow（I-Max：最大化预训练校正流变换器的分辨率潜力与投影流）

[10:12] 🧠 Mentor-KD: Making Small Language Models Better Multi-step Reasoners（导师-KD：使小型语言模型成为更好的多步推理者）

【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