本期的 15 篇论文如下：

[00:24] 🔗 Coupling Experts and Routers in Mixture-of-Experts via an Auxiliary Loss（通过辅助损失耦合专家混合模型中的专家与路由器）

[01:07] 🎬 LiveTalk: Real-Time Multimodal Interactive Video Diffusion via Improved On-Policy Distillation（LiveTalk：通过改进的策略内蒸馏实现实时多模态交互式视频扩散）

[01:55] 🌍 Yume-1.5: A Text-Controlled Interactive World Generation Model（Yume-1.5：一种文本控制的交互式世界生成模型）

[02:30] 🔍 SmartSnap: Proactive Evidence Seeking for Self-Verifying Agents（SmartSnap：自验证智能体的主动证据寻求范式）

[02:59] 🔮 Diffusion Knows Transparency: Repurposing Video Diffusion for Transparent Object Depth and Normal Estimation（扩散模型知晓透明度：将视频扩散模型重新用于透明物体的深度与法线估计）

[03:40] 🎯 SpotEdit: Selective Region Editing in Diffusion Transformers（SpotEdit：扩散变换器中的选择性区域编辑）

[04:23] 🚀 Dream-VL & Dream-VLA: Open Vision-Language and Vision-Language-Action Models with Diffusion Language Model Backbone（Dream-VL与Dream-VLA：基于扩散语言模型骨干的开放视觉-语言与视觉-语言-动作模型）

[05:09] 🔍 GRAN-TED: Generating Robust, Aligned, and Nuanced Text Embedding for Diffusion Models（GRAN-TED：为扩散模型生成鲁棒、对齐且细致的文本嵌入）

[05:56] 🤖 Act2Goal: From World Model To General Goal-conditioned Policy（Act2Goal：从世界模型到通用目标条件策略）

[06:31] ⚡ Stream-DiffVSR: Low-Latency Streamable Video Super-Resolution via Auto-Regressive Diffusion（Stream-DiffVSR：基于自回归扩散的低延迟可流式视频超分辨率）

[06:59] 🌐 Web World Models（Web世界模型）

[07:34] 🚀 DiRL: An Efficient Post-Training Framework for Diffusion Language Models（DiRL：一种高效的扩散语言模型后训练框架）

[08:19] 🎬 Video-BrowseComp: Benchmarking Agentic Video Research on Open Web（Video-BrowseComp：面向开放网络的智能体视频研究基准测试）

[09:02] 🧠 Training AI Co-Scientists Using Rubric Rewards（使用评分标准奖励训练AI科研助手）

[09:39] 🧩 Monadic Context Engineering（单子上下文工程）

【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