【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：

[00:28] 🤖 Show-Harness: Just a VLM Agent Can Play Robots（Show-Harness：仅一个VLM智能体即可玩转机器人）
[01:11] 🎮 Programmable World Model（可编程世界模型）
[01:57] 🤖 AgentGrad: Intervention-guided Prompt Optimization for Multi Agent Systems（AgentGrad：干预引导的多智能体系统提示优化）
[02:40] ⌚ WearableQA: A Benchmark for Health Reasoning over Real-World Wearable Data（WearableQA：面向真实世界可穿戴数据的健康推理基准）
[03:27] ✅ SWE-Bench Pro Verified: A Reliable Benchmark for Software Engineering Agents（SWE-Bench Pro Verified：面向软件工程智能体的可靠基准）
[04:11] 🔬 SAEScientist-Bench: Can AI Agents Conduct Autonomous SAE Interpretability Research?（SAEScientist-Bench：AI智能体能否开展自主SAE可解释性研究？）
[04:55] 🔍 Scores Alone Do Not Prove Discovery: The Discovery Certification Protocol for Auditing AI Research Agents（仅凭分数不能证明发现：用于审计 AI 研究代理的发现认证协议）
[05:42] 🗣 Puppeteer: Object-Grounded Posture-Aware Co-Speech Gesture Generation（Puppeteer：基于物体锚定与姿态感知的共语手势生成）
[06:26] ⚗ DianShi-RxnDB: A Large-Scale, Fine-Grained Organic Reaction Data Platform Built via a Fully Automated Pipeline for Researchers and AI Agents（DianShi-RxnDB：面向研究人员与AI智能体的、通过全自动流程构建的大规模细粒度有机反应数据平台）
[07:09] 🤖 SyncWorld: Visual Calibration Enables World Models as Zero-Shot Simulators（SyncWorld：视觉校准使世界模型成为零样本模拟器）
[07:54] 🏗 $Φ$-Bench: Can Large Language Models Engineer the Infrastructure That Powers Them?（Φ-Bench：大型语言模型能否工程化支撑自身的基础设施？）
[08:39] 🧠 Revisiting Complete Reasoning Traces for Post-Training（重新审视后训练中的完整推理轨迹）
[09:31] 🔄 Train Smarter, Not Harder: Switching Signal-Guided Training in Active Learning（训练更智能，而非更费力：主动学习中的切换信号引导训练）
[10:19] 🎥 Why Is Video Still So Expensive? A Survey of Inference-Efficiency Mechanisms in Video and Audiovisual LLMs（为什么视频仍然如此昂贵？视频与音视频大语言模型中的推理效率机制综述）
[11:07] 🤖 Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails（协同演化智能体运行框架与模型：同策略修正帮助较弱模型在模仿失败之处追赶）

【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