创作者写的节目说明

【目录】
本期的 15 篇论文如下：

[] 🎬 StreamEval: Evaluating Interactive Streaming Video Generation Models（StreamEval：评估交互式流式视频生成模型）
[] 🗺 SpatialScout: Can VLM Agents Actively Explore and Map 3D Scenes?（SpatialScout：VLM智能体能否主动探索并构建3D场景地图？）
[] 🎞 Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation（展望未来：自回归视频生成中的未来演化建模）
[] 🗄 Cache Engineering for Agents（面向智能体的缓存工程）
[] 👐 DONIC: Generalist Dexterous Bimanual Tracking Control from Human Demonstrations（DONIC：基于人类演示的通用灵巧双手跟踪控制）
[] 🌍 Agent World Model in the Wild: Computer-Use Agent Environment Synthesis（真实环境中的智能体世界模型：计算机使用智能体环境合成）
[] 🔍 Spectral-Spatial Interpretation（光谱-空间解释）
[] 🧩 PrismaCoder: Pushing the Boundaries of Open Multimodal Code Intelligence through Decomposed Rubric Synthesis（PrismaCoder：通过分解式评分细则合成突破开放多模态代码智能的边界）
[] 🎓 Socratic Skill Learning: Interleaving Teaching and Practice for Transferable Agent Skills（苏格拉底式技能学习：交错教学与实践以培养可迁移的智能体技能）
[] 🎮 Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds（游戏中的规模化：面向多样虚拟世界具身智能体的持续预训练）
[] 🤖 AgenticRoboRL: Bringing Coding-Agent Post-Training to Agentic Robotics（AgenticRoboRL：将编程智能体后训练引入智能体机器人）
[] 🧠 Memory-Centric Continual Learning for AI Agents（以记忆为中心的AI智能体持续学习）
[] 🤖 Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use（多模态具身智能体：从计算机使用到机器人使用的统一能力中心视角）
[] 🧠 TraceForge: Distilling with Your Own Thinking（TraceForge：用自身思考进行蒸馏）
[] 🛡 Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents（正确的屏幕，错误的转移：世界模型作为GUI智能体的验证器）

【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

在小宇宙查看该单集文稿

说明里标出的时间点，点一下跳过去

AI 看点

本期看点

AI 从整集转写里归纳的，不是节目方的宣传语

最值得听的

StreamEval 评测 37 个模型后指出，交互式视频生成的主要瓶颈是按时执行控制操作，而非画质。

别处听不到的

用世界模型在视觉表征空间预测下一屏，以 0.987 AUC、约 17 毫秒判断 GUI 屏幕转移是否异常。

AI 推荐理由

为什么值得听

AI 读完整集转写后给出的推荐理由

一期把 15 篇当日 AI 论文压进 11 分钟：StreamEval 用 37 个模型证明视频生成的瓶颈是“按时执行”而非画质，SpatialScout 里 VLM 建图最佳平均 IOU 只有 41.71%，还有把机器人规划器成功率从 18.1% 拉到 71.0% 的后训练方法、用世界模型 17 毫秒判断 GUI 屏幕是否被劫持。适合想快速扫一遍具身智能与智能体前沿的人。

AI 概要

本期概要

由 AI 从整集转写生成，是创作者说明之外的补充

本期速递 15 篇 AI 论文，主线是模型能力从“生成内容”转向“执行任务”后暴露的评测与验证缺口。StreamEval 指出交互式视频生成的主要瓶颈是按时执行控制操作而非画质；SpatialScout 显示 VLM 智能体三维建图最佳平均 IOU 仅 41.71%；FCP 用预测更远未来片段逼模型学习场景演化。其余论文覆盖智能体缓存工程（成本降约 27.7%）、灵巧双手跟踪（仿真成功率 86.79%）、合成 PC 环境训练迁移、多模态代码评分细则、记忆中心持续学习、机器人规划器后训练（成功率 18.1% 升至 71.0%）、自身思考蒸馏，以及用世界模型做 GUI 智能体运行时验证（0.987 AUC、约 17.1 毫秒）。

AI 识别的章节

章节

点一章从那里开始播 · 与上面创作者标的时间点各自独立