本期的 15 篇论文如下：

[00:24] 🎬 Wan-Move: Motion-controllable Video Generation via Latent Trajectory Guidance（Wan-Move：通过潜在轨迹引导实现运动可控的视频生成）

[00:55] 🚀 Visionary: The World Model Carrier Built on WebGPU-Powered Gaussian Splatting Platform（Visionary：基于WebGPU驱动的高斯溅射平台的世界模型载体）

[01:32] 🎬 Preserving Source Video Realism: High-Fidelity Face Swapping for Cinematic Quality（保持源视频真实感：面向电影级质量的高保真人脸交换）

[02:13] 🎬 OneStory: Coherent Multi-Shot Video Generation with Adaptive Memory（OneStory：基于自适应记忆的连贯多镜头视频生成）

[02:49] ⚡ ThreadWeaver: Adaptive Threading for Efficient Parallel Reasoning in Language Models（ThreadWeaver：面向语言模型高效并行推理的自适应线程技术）

[03:45] 🤖 MIND-V: Hierarchical Video Generation for Long-Horizon Robotic Manipulation with RL-based Physical Alignment（MIND-V：基于强化学习物理对齐的长时程机器人操作分层视频生成）

[04:47] 🚀 Boosting Unsupervised Video Instance Segmentation with Automatic Quality-Guided Self-Training（通过自动质量引导自训练提升无监督视频实例分割）

[05:18] 🌲 TreeGRPO: Tree-Advantage GRPO for Online RL Post-Training of Diffusion Models（TreeGRPO：基于树优势的GRPO用于扩散模型的在线强化学习后训练）

[05:55] 🚀 From Next-Token to Next-Block: A Principled Adaptation Path for Diffusion LLMs（从下一个词到下一个块：扩散语言模型的原则性适应路径）

[06:30] 📊 EcomBench: Towards Holistic Evaluation of Foundation Agents in E-commerce（EcomBench：面向电子商务领域基础智能体的全面评估）

[07:02] 🧩 Modular Neural Image Signal Processing（模块化神经图像信号处理）

[07:33] 🧭 Ground Slow, Move Fast: A Dual-System Foundation Model for Generalizable Vision-and-Language Navigation（慢思考，快行动：用于通用视觉语言导航的双系统基础模型）

[08:16] 🤖 DeepCode: Open Agentic Coding（DeepCode：开放式智能体编码）

[08:48] 🎯 TrackingWorld: World-centric Monocular 3D Tracking of Almost All Pixels（TrackingWorld：以世界为中心的几乎所有像素单目三维跟踪）

[09:30] 🎬 Efficiently Reconstructing Dynamic Scenes One D4RT at a Time（高效动态场景重建：一次一个D4RT）

【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