本期的 15 篇论文如下：

[00:22] 🤖 The Entropy Mechanism of Reinforcement Learning for Reasoning Language Models（用于推理语言模型的强化学习的熵机制）

[00:56] 🛣 R2R: Efficiently Navigating Divergent Reasoning Paths with Small-Large Model Token Routing（R2R：通过大小模型令牌路由高效导航不同的推理路径）

[01:40] 🧠 Skywork Open Reasoner 1 Technical Report（Skywork开放推理器1技术报告）

[02:20] 🔍 Sherlock: Self-Correcting Reasoning in Vision-Language Models（夏洛克：视觉-语言模型中的自我纠正推理）

[02:55] 🤖 Unsupervised Post-Training for Multi-Modal LLM Reasoning via GRPO（基于GRPO的无监督后训练提升多模态LLM推理能力）

[03:35] 🤖 SWE-rebench: An Automated Pipeline for Task Collection and Decontaminated Evaluation of Software Engineering Agents（SWE-rebench：一个用于软件工程代理任务收集和去污染评估的自动化流程）

[04:25] 🚀 SageAttention2++: A More Efficient Implementation of SageAttention2（SageAttention2++：一种更高效的SageAttention2实现）

[05:12] 🧠 Advancing Multimodal Reasoning via Reinforcement Learning with Cold Start（通过强化学习与冷启动推进多模态推理）

[05:59] 🎬 Fostering Video Reasoning via Next-Event Prediction（通过预测下一事件促进视频推理）

[06:42] 💡 RenderFormer: Transformer-based Neural Rendering of Triangle Meshes with Global Illumination（RenderFormer：基于Transformer的三角形网格全局光照神经渲染）

[07:25] 🔬 DeepResearchGym: A Free, Transparent, and Reproducible Evaluation Sandbox for Deep Research（DeepResearchGym：一个免费、透明且可复现的深度研究评估沙盒）

[08:16] 🖼 Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment（链式缩放：通过尺度自回归和偏好对齐实现极限超分辨率）

[08:58] 🧩 Universal Reasoner: A Single, Composable Plug-and-Play Reasoner for Frozen LLMs（通用推理器：一个用于冻结LLM的单一、可组合的即插即用推理器）

[09:38] 🚚 SVRPBench: A Realistic Benchmark for Stochastic Vehicle Routing Problem（SVRPBench：一个面向随机车辆路径问题的真实基准）

[10:26] 🌐 Judging Quality Across Languages: A Multilingual Approach to Pretraining Data Filtering with Language Models（跨语言质量评估：一种基于语言模型的多语种预训练数据过滤方法）

【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