本期的 15 篇论文如下：

[00:23] 🎨 MergeVQ: A Unified Framework for Visual Generation and Representation with Disentangled Token Merging and Quantization（MergeVQ：一种用于视觉生成和表示的统一框架，具有解耦的Token合并和量化）

[01:00] 🧠 Improved Visual-Spatial Reasoning via R1-Zero-Like Training（通过类R1-Zero训练改进视觉空间推理）

[01:45] 🎮 AnimeGamer: Infinite Anime Life Simulation with Next Game State Prediction（动漫玩家：基于下一代游戏状态预测的无限动漫人生模拟）

[02:25] 🎬 VideoScene: Distilling Video Diffusion Model to Generate 3D Scenes in One Step（VideoScene：提炼视频扩散模型以一步生成3D场景）

[03:03] 🎭 DreamActor-M1: Holistic, Expressive and Robust Human Image Animation with Hybrid Guidance（DreamActor-M1：基于混合引导的整体、富有表现力且鲁棒的人体图像动画）

[03:42] 🧐 Understanding R1-Zero-Like Training: A Critical Perspective（理解类R1-Zero训练：一个批判性的视角）

[04:28] 🎬 Towards Physically Plausible Video Generation via VLM Planning（基于视觉语言模型规划的物理合理视频生成）

[05:09] 🤖 PaperBench: Evaluating AI's Ability to Replicate AI Research（PaperBench：评估人工智能复现人工智能研究的能力）

[05:49] 🤖 ScholarCopilot: Training Large Language Models for Academic Writing with Accurate Citations（ScholarCopilot：训练用于学术写作并提供精确引用的**大型语言模型**）

[06:31] 💡 ILLUME+: Illuminating Unified MLLM with Dual Visual Tokenization and Diffusion Refinement（ILLUME+：通过双重视觉Token化和扩散细化照亮统一的多模态大语言模型）

[07:11] 💃 Articulated Kinematics Distillation from Video Diffusion Models（基于视频扩散模型的铰接运动学提炼）

[07:51] 🛡 Safeguarding Vision-Language Models: Mitigating Vulnerabilities to Gaussian Noise in Perturbation-based Attacks（保障视觉-语言模型安全：缓解基于扰动攻击中高斯噪声的脆弱性）

[08:32] 👁 DASH: Detection and Assessment of Systematic Hallucinations of VLMs（DASH：视觉语言模型系统性幻觉的检测与评估）

[09:11] 🖼 Boost Your Human Image Generation Model via Direct Preference Optimization（通过直接偏好优化提升人体图像生成模型）

[09:47] 👁 LSNet: See Large, Focus Small（LSNet：观其大，聚焦小）

【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