大家好，欢迎收听“Hugging Face 每日AI论文速递”。今天是2024年7月30日，我们将带您快速浏览今日的19篇热门AI论文，涵盖了多语言大型语言模型、机器人学习、视频生成技术等多个前沿领域。现在，让我们立即进入精彩的论文世界。

[00:25] 🌏 SeaLLMs 3: Open Foundation and Chat Multilingual Large Language Models for Southeast Asian Languages（SeaLLMs 3：面向东南亚语言的开源基础和聊天多语言大型语言模型）

[01:11] 🤖 Theia: Distilling Diverse Vision Foundation Models for Robot Learning（Theia：为机器人学习蒸馏多样化视觉基础模型）

[01:51] 🎥 FreeLong: Training-Free Long Video Generation with SpectralBlend Temporal Attention（FreeLong：无需训练的长视频生成与频谱混合时序注意力）

[02:32] 📜 SaulLM-54B & SaulLM-141B: Scaling Up Domain Adaptation for the Legal Domain（SaulLM-54B & SaulLM-141B：法律领域域适应性扩展）

[03:10] 🧠 Self-Training with Direct Preference Optimization Improves Chain-of-Thought Reasoning（通过直接偏好优化的自训练提升链式思维推理）

[03:51] 🌐 Mixture of Nested Experts: Adaptive Processing of Visual Tokens（嵌套专家混合模型：视觉标记的自适应处理）

[04:34] 🧠 MindSearch: Mimicking Human Minds Elicits Deep AI Searcher（思·索：模拟人类思维的深度AI搜索器）

[05:13] 🔍 Diffusion Feedback Helps CLIP See Better（扩散反馈帮助CLIP看得更清楚）

[05:53] 📊 MMAU: A Holistic Benchmark of Agent Capabilities Across Diverse Domains（MMAU：跨多个领域评估代理能力的综合基准）

[06:28] 🧩 Visual Riddles: a Commonsense and World Knowledge Challenge for Large Vision and Language Models（视觉谜题：大型视觉和语言模型在常识与世界知识挑战中的表现）

[07:09] 🔄 Cycle3D: High-quality and Consistent Image-to-3D Generation via Generation-Reconstruction Cycle（Cycle3D：通过生成-重构循环过程实现高质量和一致性的图像到3D生成）

[07:50] 🏙 3D Question Answering for City Scene Understanding（城市场景理解的3D问题回答）

[08:31] 📊 VolDoGer: LLM-assisted Datasets for Domain Generalization in Vision-Language Tasks（VolDoGer：用于视觉语言任务中域泛化的LLM辅助数据集）

[09:10] 🤖 Meta-Rewarding Language Models: Self-Improving Alignment with LLM-as-a-Meta-Judge（元奖励语言模型：通过LLM作为元判断者实现自我改进）

[09:53] 📚 ATHAR: A High-Quality and Diverse Dataset for Classical Arabic to English Translation（ATHAR：一个高质量且多样化的古典阿拉伯语到英语翻译数据集）

[10:40] 📷 Bridging the Gap: Studio-like Avatar Creation from a Monocular Phone Capture（弥合差距：从单目手机捕捉创建工作室级头像）

[11:16] 🐕 WalkTheDog: Cross-Morphology Motion Alignment via Phase Manifolds（WalkTheDog：跨形态运动对齐通过相位流形）

[12:02] 🔍 TAPTRv2: Attention-based Position Update Improves Tracking Any Point（TAPTRv2：基于注意力的位置更新改进任意点跟踪）

[12:52] 📊 Sentiment Analysis of Lithuanian Online Reviews Using Large Language Models（使用大型语言模型对立陶宛在线评论进行情感分析）

【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

2024.07.30 每日AI论文 | 东南亚语言模型优化，机器人学习视觉模型创新 14:03 Share

HuggingFace 每日AI论文速递