本期的 23 篇论文如下：

[00:25] 🧑 Evaluating and Aligning CodeLLMs on Human Preference（评估与对齐代码大语言模型的人类偏好）

[01:19] 🎥 STIV: Scalable Text and Image Conditioned Video Generation（STIV：可扩展的文本与图像条件视频生成）

[01:59] 🎨 DiffSensei: Bridging Multi-Modal LLMs and Diffusion Models for Customized Manga Generation（DiffSensei：连接多模态大语言模型与扩散模型以实现定制化漫画生成）

[02:39] 🔒 Hidden in the Noise: Two-Stage Robust Watermarking for Images（隐藏在噪声中：图像的两阶段鲁棒水印技术）

[03:19] 🎥 UniReal: Universal Image Generation and Editing via Learning Real-world Dynamics（UniReal：通过学习真实世界动态实现通用图像生成与编辑）

[04:04] 📄 OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations（全向文档基准：多样PDF文档解析的综合评估）

[04:50] 🎨 FiVA: Fine-grained Visual Attribute Dataset for Text-to-Image Diffusion Models（FiVA：用于文本到图像扩散模型的细粒度视觉属性数据集）

[05:32] 🎥 3DTrajMaster: Mastering 3D Trajectory for Multi-Entity Motion in Video Generation（3D轨迹大师：掌握视频生成中的多实体三维运动）

[06:09] 🧠 Frame Representation Hypothesis: Multi-Token LLM Interpretability and Concept-Guided Text Generation（框架表示假设：多标记语言模型的可解释性与概念引导文本生成）

[06:55] 🧠 Perception Tokens Enhance Visual Reasoning in Multimodal Language Models（感知令牌增强多模态语言模型的视觉推理能力）

[07:41] 🎥 Video Motion Transfer with Diffusion Transformers（基于扩散变换器的视频运动迁移）

[08:23] 🚀 EMOv2: Pushing 5M Vision Model Frontier（EMOv2：推动5M规模视觉模型前沿）

[09:02] 🛡 Granite Guardian（花岗岩守护者）

[09:44] 🌟 ILLUME: Illuminating Your LLMs to See, Draw, and Self-Enhance（ILLUME：让您的LLMs看见、绘制并自我增强）

[10:30] 🎥 ObjCtrl-2.5D: Training-free Object Control with Camera Poses（ObjCtrl-2.5D：无需训练的对象控制与相机姿态）

[11:21] 🚀 LoRA.rar: Learning to Merge LoRAs via Hypernetworks for Subject-Style Conditioned Image Generation（LoRA.rar：通过超网络学习合并LoRA以实现主题-风格条件图像生成）

[12:12] 📱 MoViE: Mobile Diffusion for Video Editing（MoViE：移动设备上的扩散模型视频编辑）

[12:46] 🧬 Chimera: Improving Generalist Model with Domain-Specific Experts（奇美拉：通过特定领域专家提升通用模型）

[13:28] 🌐 Fully Open Source Moxin-7B Technical Report（全开源Moxin-7B技术报告）

[14:09] 📱 Mobile Video Diffusion（移动视频扩散）

[14:45] 🤖 Contextualized Counterspeech: Strategies for Adaptation, Personalization, and Evaluation（情境化反驳言论：适应、个性化与评估策略）

[15:24] 🤖 Maximizing Alignment with Minimal Feedback: Efficiently Learning Rewards for Visuomotor Robot Policy Alignment（最大化对齐与最小化反馈：高效学习视觉运动机器人策略对齐的奖励）

[16:15] 🔒 A New Federated Learning Framework Against Gradient Inversion Attacks（一种对抗梯度反演攻击的新型联邦学习框架）

【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