Shownotes Transcript
本期的 15 篇论文如下：
[00:23] 🧠 ProRL: Prolonged Reinforcement Learning Expands Reasoning Boundaries in Large Language Models（ProRL：延长的强化学习拓展大型语言模型的推理边界）
[01:01] 🧠 AlphaOne: Reasoning Models Thinking Slow and Fast at Test Time（AlphaOne：测试时驱动大模型进行快慢思考的推理框架）
[01:42] 🤔 Time Blindness: Why Video-Language Models Can't See What Humans Can?（时间盲区：为何视频-语言模型无法像人类一样观察？）
[02:32] 🖼 Don't Look Only Once: Towards Multimodal Interactive Reasoning with Selective Visual Revisitation（不要只看一次：迈向具有选择性视觉重访的多模态交互推理）
[03:13] 📊 Large Language Models for Data Synthesis（用于数据合成的大型语言模型）
[03:59] 🖼 ViStoryBench: Comprehensive Benchmark Suite for Story Visualization（ViStoryBench：故事可视化综合基准测试套件）
[04:39] 🧪 HardTests: Synthesizing High-Quality Test Cases for LLM Coding（HardTests：为大型语言模型代码生成合成高质量测试用例）
[05:21] 🤖 Open CaptchaWorld: A Comprehensive Web-based Platform for Testing and Benchmarking Multimodal LLM Agents（开放验证码世界：一个用于测试和评估多模态大型语言模型代理的综合性Web平台）
[05:59] 🤔 Vision Language Models are Biased（视觉语言模型存在偏见）
[06:41] 🦾 CoDA: Coordinated Diffusion Noise Optimization for Whole-Body Manipulation of Articulated Objects（CoDA：用于铰接物体全身操控的协同扩散噪声优化）
[07:20] 🚀 CLaSp: In-Context Layer Skip for Self-Speculative Decoding（CLaSp：用于自推测解码的上下文层跳跃）
[08:03] 📐 UniGeo: Taming Video Diffusion for Unified Consistent Geometry Estimation（UniGeo：驾驭视频扩散模型以实现统一的、一致的几何估计）
[08:44] 🤔 MetaFaith: Faithful Natural Language Uncertainty Expression in LLMs（MetaFaith：大型语言模型中忠实的自然语言不确定性表达）
[09:28] ✍ EasyText: Controllable Diffusion Transformer for Multilingual Text Rendering（EasyText：用于多语言文本渲染的可控扩散Transformer）
[10:11] 🎧 Fork-Merge Decoding: Enhancing Multimodal Understanding in Audio-Visual Large Language Models（Fork-Merge解码：增强视听大型语言模型中的多模态理解）
【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