本期的 15 篇论文如下：

[00:23] 🧪 ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows（ScienceBoard：评估现实科学工作流程中的多模态自主Agent）

[01:09] 🤔 MME-Reasoning: A Comprehensive Benchmark for Logical Reasoning in MLLMs（MME-推理：多模态大型语言模型中逻辑推理的综合基准）

[01:51] 🖼 Paper2Poster: Towards Multimodal Poster Automation from Scientific Papers（Paper2Poster：基于科研论文的多模态海报自动生成）

[02:28] 🎨 OmniConsistency: Learning Style-Agnostic Consistency from Paired Stylization Data（OmniConsistency：从配对风格化数据中学习与风格无关的一致性）

[03:06] 🎬 OpenS2V-Nexus: A Detailed Benchmark and Million-Scale Dataset for Subject-to-Video Generation（OpenS2V-Nexus：一个用于主题驱动视频生成的详细基准和百万级数据集）

[03:50] 🧠 SynLogic: Synthesizing Verifiable Reasoning Data at Scale for Learning Logical Reasoning and Beyond（SynLogic：大规模合成可验证推理数据，用于学习逻辑推理及其他能力）

[04:32] 💡 Exploring the Latent Capacity of LLMs for One-Step Text Generation（探索大型语言模型在一步文本生成中的潜在能力）

[05:13] 🧠 VerIPO: Cultivating Long Reasoning in Video-LLMs via Verifier-Gudied Iterative Policy Optimization（VerIPO：通过验证器引导的迭代策略优化，培养视频大型语言模型中的长期推理能力）

[05:48] 🤔 Don't Overthink it. Preferring Shorter Thinking Chains for Improved LLM Reasoning（别想太多：偏好更短的思维链以提升大型语言模型的推理能力）

[06:29] 🤔 MMMR: Benchmarking Massive Multi-Modal Reasoning Tasks（MMMR：大规模多模态推理任务的基准测试）

[07:09] 🤖 UI-Genie: A Self-Improving Approach for Iteratively Boosting MLLM-based Mobile GUI Agents（UI-Genie：一种迭代提升基于MLLM的移动GUI代理的自提升方法）

[07:52] 🎬 Sparse VideoGen2: Accelerate Video Generation with Sparse Attention via Semantic-Aware Permutation（Sparse VideoGen2：通过语义感知置换和稀疏注意力加速视频生成）

[08:28] 📹 MME-VideoOCR: Evaluating OCR-Based Capabilities of Multimodal LLMs in Video Scenarios（MME-VideoOCR：评估多模态大型语言模型在视频场景中基于OCR的能力）

[09:16] 🧩 GraLoRA: Granular Low-Rank Adaptation for Parameter-Efficient Fine-Tuning（GraLoRA：用于参数高效微调的细粒度低秩适配）

[10:02] 🕵 Video-Holmes: Can MLLM Think Like Holmes for Complex Video Reasoning?（Video-Holmes：多模态大语言模型能否像福尔摩斯一样进行复杂的视频推理？）

【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