本期的 15 篇论文如下：

[00:21] 🎬 One-Minute Video Generation with Test-Time Training（基于测试时训练的分钟级视频生成）

[01:03] 💡 SmolVLM: Redefining small and efficient multimodal models（SmolVLM：重新定义小型高效多模态模型）

[01:39] 🖼 URECA: Unique Region Caption Anything（URECA：独特区域描述一切）

[02:17] 🧰 T1: Tool-integrated Self-verification for Test-time Compute Scaling in Small Language Models（工具集成自验证：用于小语言模型中测试时计算扩展）

[03:02] 🖼 Concept Lancet: Image Editing with Compositional Representation Transplant（概念柳叶刀：基于成分表示移植的图像编辑）

[03:41] 🤔 Quantization Hurts Reasoning? An Empirical Study on Quantized Reasoning Models（量化会损害推理能力吗？量化推理模型的实证研究）

[04:26] 📰 LiveVQA: Live Visual Knowledge Seeking（LiveVQA：实时视觉知识检索）

[05:08] 🎨 Gaussian Mixture Flow Matching Models（高斯混合流动匹配模型）

[05:47] 💡 VAPO: Efficient and Reliable Reinforcement Learning for Advanced Reasoning Tasks（VAPO：用于高级推理任务的高效可靠的强化学习）

[06:26] 🕵 Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs（你得到的是你所支付的吗？大型语言模型API中的模型替换审计）

[07:17] 🧰 DiaTool-DPO: Multi-Turn Direct Preference Optimization for Tool-Augmented Large Language Models（DiaTool-DPO：用于工具增强的大型语言模型的多轮直接偏好优化）

[07:54] ⚕ Clinical ModernBERT: An efficient and long context encoder for biomedical text（临床ModernBERT：一种用于生物医学文本的高效长上下文编码器）

[08:28] 🐍 Mamba as a Bridge: Where Vision Foundation Models Meet Vision Language Models for Domain-Generalized Semantic Segmentation（Mamba：连接视觉基础模型与视觉语言模型，实现领域泛化语义分割）

[09:12] 🤖 BOP Challenge 2024 on Model-Based and Model-Free 6D Object Pose Estimation（基于模型和无模型的6D物体姿态估计BOP挑战赛2024）

[09:48] 🛡 JailDAM: Jailbreak Detection with Adaptive Memory for Vision-Language Model（JailDAM：基于自适应记忆的视觉-语言模型越狱检测）

【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