本期的 15 篇论文如下：

[00:22] 🧠 Video-R1: Reinforcing Video Reasoning in MLLMs（Video-R1：增强多模态大语言模型中的视频推理）

[01:02] 📱 UI-R1: Enhancing Action Prediction of GUI Agents by Reinforcement Learning（UI-R1：通过强化学习增强GUI代理的动作预测）

[01:41] 🤯 Challenging the Boundaries of Reasoning: An Olympiad-Level Math Benchmark for Large Language Models（挑战推理的边界：一个面向大型语言模型设计的奥林匹克级别数学基准）

[02:25] 🎬 VBench-2.0: Advancing Video Generation Benchmark Suite for Intrinsic Faithfulness（VBench-2.0: 提升视频生成基准套件的内在真实性）

[03:05] 🖼 LeX-Art: Rethinking Text Generation via Scalable High-Quality Data Synthesis（LeX-Art：通过可扩展的高质量数据合成重新思考文本生成）

[03:38] 🤖 Large Language Model Agent: A Survey on Methodology, Applications and Challenges（大型语言模型智能体：方法论、应用与挑战综述）

[04:23] 🧠 ReaRAG: Knowledge-guided Reasoning Enhances Factuality of Large Reasoning Models with Iterative Retrieval Augmented Generation（ReaRAG：知识引导的推理增强大型推理模型的事实性，通过迭代检索增强生成）

[05:01] 🖼 Lumina-Image 2.0: A Unified and Efficient Image Generative Framework（Lumina-Image 2.0：一个统一且高效的图像生成框架）

[05:48] 🤖 Embodied-Reasoner: Synergizing Visual Search, Reasoning, and Action for Embodied Interactive Tasks（具身推理器：协同视觉搜索、推理和行动以完成具身交互任务）

[06:27] 💡 ResearchBench: Benchmarking LLMs in Scientific Discovery via Inspiration-Based Task Decomposition（ResearchBench：基于灵感驱动的任务分解评估大语言模型在科学发现中的能力）

[07:12] 🚀 Optimal Stepsize for Diffusion Sampling（扩散采样的最优步长）

[07:46] 🤔 Exploring the Evolution of Physics Cognition in Video Generation: A Survey（视频生成中物理认知进化探索：一项综述）

[08:24] 🎤 FinAudio: A Benchmark for Audio Large Language Models in Financial Applications（FinAudio：金融应用中音频大语言模型的基准测试）

[09:01] 🗣 ChatAnyone: Stylized Real-time Portrait Video Generation with Hierarchical Motion Diffusion Model（ChatAnyone：基于分层运动扩散模型的风格化实时人像视频生成）

[09:40] 🧠 ZJUKLAB at SemEval-2025 Task 4: Unlearning via Model Merging（ZJUKLAB团队在SemEval-2025 Task 4：通过模型融合实现知识遗忘）

【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