大家好，欢迎收听今天的'Hugging Face 每日AI论文速递'。今天是2024年9月5日，我们将带您快速浏览8篇热门AI论文。本期内容涵盖了多模态大语言模型的扩展、音频驱动的人像化身、长上下文问答中的引用生成、多学科多模态理解基准的提升，以及代码预训练中的数据解密等多个前沿领域。现在，让我们立即进入今天的论文速递。

[00:31] 📊 LongLLaVA: Scaling Multi-modal LLMs to 1000 Images Efficiently via Hybrid Architecture（LongLLaVA：通过混合架构高效扩展多模态大语言模型至1000张图像）

[01:13] 🎙 Loopy: Taming Audio-Driven Portrait Avatar with Long-Term Motion Dependency（Loopy: 驯服音频驱动的人像化身与长期运动依赖）

[01:48] 📚 LongCite: Enabling LLMs to Generate Fine-grained Citations in Long-context QA（LongCite: 在长上下文问答中使LLMs生成细粒度引用的方法）

[02:29] 📊 MMMU-Pro: A More Robust Multi-discipline Multimodal Understanding Benchmark（MMMU-Pro：一个更强大的多学科多模态理解基准）

[03:02] 🧩 Arctic-SnowCoder: Demystifying High-Quality Data in Code Pretraining（北极雪编码器：解密代码预训练中的高质量数据）

[03:39] 🗳 Political DEBATE: Efficient Zero-shot and Few-shot Classifiers for Political Text（政治辩论：高效的零样本和少样本政治文本分类器）

[04:15] ⚡ FastVoiceGrad: One-step Diffusion-Based Voice Conversion with Adversarial Conditional Diffusion Distillation（FastVoiceGrad：一步扩散基于对抗条件扩散蒸馏的语音转换）

[04:48] 🤖 Affordance-based Robot Manipulation with Flow Matching（基于流匹配的机器人操作框架）

【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

2024.09.05 每日AI论文 | 高效扩展多模态模型，音频驱动视频生成优化 05:49 Share

HuggingFace 每日AI论文速递

Shownotes Transcript

2024.09.05 每日AI论文 | 高效扩展多模态模型，音频驱动视频生成优化