【赞助商】
OpenClaw快报
每天五分钟，听听 OpenClaw 快报，带你了解最新动态和业内讨论
传送门 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43

【目录】
本期的 15 篇论文如下：

[00:31] ⏱ TimeLens2: Generalist Video Temporal Grounding with Multimodal LLMs（TimeLens2：基于多模态大语言模型的通用视频时间定位）
[01:14] ✂ SWE-Pruner Pro: The Coder LLM Already Knows What to Prune（SWE-Pruner Pro：编码器大语言模型已知道该剪枝什么）
[02:05] 🌍 EvolvingWorld: An Open-Schema Framework for Co-Evolving Role-Play Agents and World Model in Interactive Literary World（演化世界：面向交互式文学世界中角色与世界观协同演化的开放模式框架）
[03:08] 🔍 DeepSearch-World: Self-Distillation for Deep Search Agents in a Verifiable Environment（DeepSearch-World：可验证环境中深度搜索代理的自我蒸馏）
[04:06] 🎬 HOMIE: Human-object Centric Video Personalization via Multimodal Intelligent Enchancement（HOMIE：通过多模态智能增强实现以人-物为中心的视频个性化）
[04:59] 🤖 RynnBrain 1.1: Towards More Capable and Generalizable Embodied Foundation Model（RynnBrain 1.1：迈向更强大和更通用的具身基础模型）
[05:51] 🍎 Apple-$π$: Benchmarking Thinking with Video Towards Law-Grounded Physical Intelligence（苹果-π：面向法律约束的物理智能，以视频为基准测试思维过程）
[06:49] 🎯 Group Entropy-Controlled Policy Optimization（群体熵控制策略优化）
[07:52] 🧠 ReflectWorld-MM: An Entity-Oriented Multimodal Memory System for Open-Ended Video Streams（反射世界-多模态：面向开放视频流的实体导向多模态记忆系统）
[09:03] 🌍 GigaAM Multilingual: Foundation Model for Underrepresented Languages（GigaAM多语言模型：面向低资源语言的基座模型）
[09:51] ⏱ GigaChat Audio: Time-aware Large Audio Language Model（GigaChat音频：时间感知的大规模音频语言模型）
[10:50] 🤖 Environment-free Synthetic Data Generation for API-Calling Agents（面向API调用智能体的无环境合成数据生成）
[11:42] 🎬 FlowMimic: Mask-free Visual Editing and Generation with Pixel-pair Warped Flow Field for Online Video Editing Data Generation and Modality Mimicry（FlowMimic: 基于像素对扭曲流场的无掩码视觉编辑与生成——用于在线视频编辑数据生成与模态模仿）
[12:30] 🧊 DiffGI: Differentiable Geometry Images for High-Fidelity Thin-Shell 3D Generation（DiffGI：面向高保真薄壳三维生成的可微几何图像）
[13:20] 🎓 LLM-as-a-Coach: Experiential Learning for Non-Verifiable Tasks（LLM作为教练：非可验证任务的体验式学习）

【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