本期的 15 篇论文如下：

[00:21] 📈 GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization（GDPO：面向多奖励强化学习优化的组奖励解耦归一化策略优化）

[01:05] ⚖ Learnable Multipliers: Freeing the Scale of Language Model Matrix Layers（可学习的乘数：释放语言模型矩阵层的尺度）

[01:33] 🌙 RL-AWB: Deep Reinforcement Learning for Auto White Balance Correction in Low-Light Night-time Scenes（RL-AWB：基于深度强化学习的低光照夜间场景自动白平衡校正）

[02:07] 🤖 RoboVIP: Multi-View Video Generation with Visual Identity Prompting Augments Robot Manipulation（RoboVIP：基于视觉身份提示的多视角视频生成增强机器人操作）

[02:56] 🤝 RelayLLM: Efficient Reasoning via Collaborative Decoding（RelayLLM：基于协作解码的高效推理框架）

[03:31] 🌲 AT$^2$PO: Agentic Turn-based Policy Optimization via Tree Search（AT²PO：基于树搜索的智能体回合制策略优化）

[04:24] 🤔 VideoAuto-R1: Video Auto Reasoning via Thinking Once, Answering Twice（VideoAuto-R1：通过思考一次、回答两次实现视频自动推理）

[04:57] 🎬 VerseCrafter: Dynamic Realistic Video World Model with 4D Geometric Control（VerseCrafter：具有4D几何控制的动态逼真视频世界模型）

[05:34] 🔍 The Illusion of Specialization: Unveiling the Domain-Invariant "Standing Committee" in Mixture-of-Experts Models（专业化的幻象：揭示混合专家模型中的领域不变“常务委员会”）

[06:09] 🎯 Few Tokens Matter: Entropy Guided Attacks on Vision-Language Models（少数令牌至关重要：针对视觉语言模型的熵引导攻击）

[06:40] 🎥 Plenoptic Video Generation（全光视频生成）

[07:12] ⚖ Agent-as-a-Judge（智能体作为评审者）

[07:43] 📄 DocDancer: Towards Agentic Document-Grounded Information Seeking（DocDancer：面向智能体化的文档驱动信息检索）

[08:20] 🧠 Re-Align: Structured Reasoning-guided Alignment for In-Context Image Generation and Editing（Re-Align：基于结构化推理引导对齐的上下文图像生成与编辑）

[09:05] 🧠 DiffCoT: Diffusion-styled Chain-of-Thought Reasoning in LLMs（DiffCoT：大语言模型中的扩散风格思维链推理）

【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