【赞助商】

通勤路上就听AI每周谈。AI每周谈，每周带你回顾上周AI大事

传送门 🔗https://www.xiaoyuzhoufm.com/podcast/688a34636f5a275f1cba40fd

【目录】

本期的 15 篇论文如下：

[00:31] ⚡ SpargeAttention2: Trainable Sparse Attention via Hybrid Top-k+Top-p Masking and Distillation Fine-Tuning（SpargeAttention2：通过混合Top-k+Top-p掩码与蒸馏微调实现可训练的稀疏注意力）

[01:27] 🧠 Unified Latents (UL): How to train your latents（统一隐变量（UL）：如何训练你的隐变量）

[02:05] 🤖 Mobile-Agent-v3.5: Multi-platform Fundamental GUI Agents（Mobile-Agent-v3.5：多平台基础图形用户界面智能体）

[02:58] 🚗 "What Are You Doing?": Effects of Intermediate Feedback from Agentic LLM In-Car Assistants During Multi-Step Processing（“你在做什么？”：多步骤处理过程中来自具身化LLM车载助手的中间反馈效果研究）

[03:45] ⚠ Frontier AI Risk Management Framework in Practice: A Risk Analysis Technical Report v1.5（前沿人工智能风险管理框架实践：风险分析技术报告 v1.5）

[04:40] ⚡ DDiT: Dynamic Patch Scheduling for Efficient Diffusion Transformers（DDiT：面向高效扩散变换器的动态补丁调度）

[05:39] 🧠 Arcee Trinity Large Technical Report（Arcee Trinity 大型技术报告）

[06:23] 🖥 Computer-Using World Model（计算机使用世界模型）

[07:20] 🔬 ArXiv-to-Model: A Practical Study of Scientific LM Training（ArXiv到模型：科学语言模型训练的实践研究）

[07:59] 🧬 Discovering Multiagent Learning Algorithms with Large Language Models（利用大语言模型发现多智能体学习算法）

[08:42] 🖐 TactAlign: Human-to-Robot Policy Transfer via Tactile Alignment（TactAlign：通过触觉对齐实现人机策略迁移）

[09:24] 🤖 FRAPPE: Infusing World Modeling into Generalist Policies via Multiple Future Representation Alignment（FRAPPE：通过多未来表示对齐将世界建模注入通用策略）

[10:08] 🧠 World Models for Policy Refinement in StarCraft II（用于《星际争霸II》策略优化的世界模型）

[10:46] ⚡ 2Mamba2Furious: Linear in Complexity, Competitive in Accuracy（2Mamba2Furious：线性复杂度，媲美准确度）

[11:19] 🤿 StereoAdapter-2: Globally Structure-Consistent Underwater Stereo Depth Estimation（StereoAdapter-2：全局结构一致的水下立体深度估计）

【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