本期的 15 篇论文如下：

[00:23] 🖼 InternVL3: Exploring Advanced Training and Test-Time Recipes for Open-Source Multimodal Models（InternVL3：探索开源多模态模型的高级训练和测试时方案）

[01:03] 🏠 PRIMA.CPP: Speeding Up 70B-Scale LLM Inference on Low-Resource Everyday Home Clusters（PRIMA.CPP: 加速低资源家用集群上700亿参数规模大语言模型的推理）

[01:46] 🖼 FUSION: Fully Integration of Vision-Language Representations for Deep Cross-Modal Understanding（FUSION：用于深度跨模态理解的视觉-语言表征的完全集成）

[02:26] 🤔 VL-Rethinker: Incentivizing Self-Reflection of Vision-Language Models with Reinforcement Learning（VL-Rethinker：通过强化学习激励视觉-语言模型的自我反思）

[03:07] 🤖 Iterative Self-Training for Code Generation via Reinforced Re-Ranking（基于强化重排序的迭代自训练代码生成）

[03:51] 🎬 Mavors: Multi-granularity Video Representation for Multimodal Large Language Model（Mavors：面向多模态大型语言模型的多粒度视频表征）

[04:28] 🤖 AgentRewardBench: Evaluating Automatic Evaluations of Web Agent Trajectories（AgentRewardBench：评估Web Agent轨迹的自动评估方法）

[05:13] 🧠 S1-Bench: A Simple Benchmark for Evaluating System 1 Thinking Capability of Large Reasoning Models（S1-Bench：一个评估大型推理模型系统1思维能力的简单基准）

[05:56] 🤔 Have we unified image generation and understanding yet? An empirical study of GPT-4o's image generation ability（我们是否已经统一了图像生成与理解？GPT-4o图像生成能力的一项实证研究）

[06:42] 🤖 DUMP: Automated Distribution-Level Curriculum Learning for RL-based LLM Post-training（DUMP：基于强化学习的LLM后训练的自动化分布级别课程学习）

[07:22] 🌍 SocioVerse: A World Model for Social Simulation Powered by LLM Agents and A Pool of 10 Million Real-World Users（SocioVerse：一个由LLM驱动的智能体和一千万真实用户池支持的社会模拟世界模型）

[08:11] 🤖 Breaking the Data Barrier -- Building GUI Agents Through Task Generalization（打破数据壁垒——通过任务泛化构建GUI智能体）

[08:56] 💡 TinyLLaVA-Video-R1: Towards Smaller LMMs for Video Reasoning（TinyLLaVA-Video-R1：面向视频推理的小型多模态模型）

[09:40] 🧪 LLM-SRBench: A New Benchmark for Scientific Equation Discovery with Large Language Models（LLM-SRBench：一个用于大型语言模型科学方程发现的新基准）

[10:21] 🛡 EmoAgent: Assessing and Safeguarding Human-AI Interaction for Mental Health Safety（EmoAgent：评估并保障人机交互中的心理健康安全）

【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