本期播客深入探讨了OpenCUA框架，一个旨在为计算机使用代理（CUA）研究建立开放基础的创新项目。我们将详细解读其数据收集、处理、模型训练的独特方法，以及OpenCUA-32B如何在OSWorld-Verified基准测试中超越GPT-4o，成为开源模型的里程碑。

深入探讨开创性的语音编解码器SecoustiCodec，它通过解耦语义和副语言信息，实现了高保真、低比特率和实时流媒体传输。我们将剖析其VAE+FSQ量化、跨模态对比学习等创新方法，并解读其令人瞩目的SOTA性能。

在本期节目中，我们深入探讨了英伟达(NVIDIA)的创新模型Sortformer。我们将揭示它如何通过一种名为“排序损失”(Sort Loss)的新颖方法，巧妙地解决了语音分离（说话人日志）中的“排列问题”，从而彻底改变了多说话人自动语音识别(ASR)技术。我们将讨论Sortformer如何与ASR系统无缝集成，通过创新的“说话人核函数”和“排序序列化转录”技术，实现端到端的联合优化。准备好了解这项让机器更懂对话的突破性技术吧！

深入探讨 NVIDIA 的最新研究“流式 Sortformer”，这是一种基于说话人缓存的在线说话人日志框架。我们将解析其核心创新“按到达顺序排列的说话人缓存”（AOSC）如何解决实时多说话人追踪的难题，并讨论其在实时字幕、虚拟会议等领域的应用前景。

本期节目，我们将深入探讨 Llasa+，这是一种基于 Llasa 模型构建的加速和流式文本到语音（TTS）模型。我们将讨论其核心技术，包括多令牌预测（MTP）和创新的验证算法，如何实现显著的速度提升而又不牺牲语音质量。同时，我们还将介绍其流式声码器 XCodec2-S 的实现。

本期播客深入探讨了一项开创性的研究，该研究首次实现了使用4比特浮点数（FP4）对大型语言模型进行全面的量化训练。我们邀请了技术专家Weedge，共同讨论了这项技术如何通过优化FP4格式（如NVFP4）、创新的分裂式舍入策略以及一个关键的理论阈值，成功地在保持与BF16基线相当性能的同时，极大地提升了训练效率。我们将揭示FP4训练从理论到大规模实践的全过程，包括它如何巧妙地利用量化感知微调（QAF）来弥补最后的性能差距，预示着AI训练硬件和算法的下一个革命。

深入解读GLM-4.1V-Thinking和GLM-4.5V的技术报告。我们将探讨其创新的以推理为中心的训练框架，大规模强化学习中的挑战与突破，以及这些模型如何推动多模态人工智能的边界。

本期节目，我们深入探讨智谱AI和清华大学联合发布的GLM-4.5模型。这款拥有3550亿参数的开源巨兽，如何在智能体（Agentic）、推理（Reasoning）和编码（Coding）三大核心能力上实现顶级性能？从独特的训练方法到惊艳的评测结果，我们为您全方位解读GLM-4.5的强大之处。

深入探讨的是一篇关于'高效流式语言模型与注意力汇聚点'（Efficient Streaming Language Models with Attention Sinks）的论文。

本期节目，我们将深入探讨OpenAI最新发布的两个开源权重模型，gpt-oss-120b和gpt-oss-20b。我们将讨论它们的模型架构、核心功能、性能评估，以及大家最关心的安全问题，包括OpenAI是如何进行对抗性测试来评估潜在风险的。