本期的 14 篇论文如下：

[00:23] 🤖 OmniAlign-V: Towards Enhanced Alignment of MLLMs with Human Preference（OmniAlign-V：迈向多模态大语言模型与人类偏好增强对齐）

[01:06] ⚡ SpargeAttn: Accurate Sparse Attention Accelerating Any Model Inference（SpargeAttn：准确稀疏注意力加速任意模型推理）

[01:53] 🖼 KV-Edit: Training-Free Image Editing for Precise Background Preservation（KV-编辑：无需训练的图像编辑方法，实现精确背景保留）

[02:32] 🌈 ART: Anonymous Region Transformer for Variable Multi-Layer Transparent Image Generation（匿名区域变换器：可变多层透明图像生成）

[03:08] 🤖 SWE-RL: Advancing LLM Reasoning via Reinforcement Learning on Open Software Evolution（SWE-RL：通过开源软件演化数据强化学习提升LLM推理能力）

[03:51] 📊 Unveiling Downstream Performance Scaling of LLMs: A Clustering-Based Perspective（揭示大语言模型下游性能扩展：基于聚类的视角）

[04:30] 🧠 Scale-Distribution Decoupling: Enabling Stable and Effective Training of Large Language Models（尺度分布解耦：实现大型语言模型稳定有效训练）

[05:11] 🔄 K-LoRA: Unlocking Training-Free Fusion of Any Subject and Style LoRAs（K-LoRA：解锁无需训练的任意主题和风格LoRA融合）

[05:51] 🌐 WebGames: Challenging General-Purpose Web-Browsing AI Agents（WebGames：挑战通用网页浏览AI代理）

[06:29] 🧠 Introducing Visual Perception Token into Multimodal Large Language Model（引入视觉感知令牌的多模态大语言模型）

[07:07] 🎰 The Lottery LLM Hypothesis, Rethinking What Abilities Should LLM Compression Preserve?（彩票LLM假说：重新思考LLM压缩应保留的能力）

[07:47] 🧠 AAD-LLM: Neural Attention-Driven Auditory Scene Understanding（AAD-LLM：神经注意力驱动的听觉场景理解）

[08:26] 🔍 LaTIM: Measuring Latent Token-to-Token Interactions in Mamba Models（LaTIM：测量Mamba模型中的潜在Token-to-Token交互）

[09:07] 🧠 Shakti-VLMs: Scalable Vision-Language Models for Enterprise AI（Shakti-VLMs：企业级AI的可扩展视觉语言模型）

【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