本期的 15 篇论文如下：

00:24 🕰 Will It Still Be True Tomorrow? Multilingual Evergreen Question Classification to Improve Trustworthy QA（明日依旧为真吗？多语种常青问题分类以提升可信赖的问答系统）

01:04 🎧 FusionAudio-1.2M: Towards Fine-grained Audio Captioning with Multimodal Contextual Fusion（FusionAudio-1.2M：通过多模态上下文融合实现细粒度音频描述）

01:46 🤔 Is Extending Modality The Right Path Towards Omni-Modality?（扩展模态是通向全模态的正确路径吗？）

02:23 🎤 Audio-Aware Large Language Models as Judges for Speaking Styles（音频感知大语言模型作为语音风格的评判者）

03:00 🧠 Leveraging Self-Attention for Input-Dependent Soft Prompting in LLMs（利用自注意力机制实现LLM中输入依赖的软提示）

03:36 🖼 STARFlow: Scaling Latent Normalizing Flows for High-resolution Image Synthesis（STARFlow：用于高分辨率图像合成的可扩展隐式归一化流）

04:17 🧠 MORSE-500: A Programmatically Controllable Video Benchmark to Stress-Test Multimodal Reasoning（MORSE-500：一个程序化可控的视频基准，用于压力测试多模态推理）

04:56 🧩 PartCrafter: Structured 3D Mesh Generation via Compositional Latent Diffusion Transformers（PartCrafter: 基于组合潜在扩散Transformer的结构化3D网格生成）

05:33 🤝 Bridging Perspectives: A Survey on Cross-view Collaborative Intelligence with Egocentric-Exocentric Vision（桥接视角：关于以自我中心和以外部视角进行跨视角协同智能的调查）

06:18 🤖 3DFlowAction: Learning Cross-Embodiment Manipulation from 3D Flow World Model（3DFlowAction：从3D流动世界模型中学习跨具身操作）

07:00 🚀 Prefix Grouper: Efficient GRPO Training through Shared-Prefix Forward（前缀分组器：通过共享前缀前向传播实现高效的GRPO训练）

07:45 🧪 CodeContests+: High-Quality Test Case Generation for Competitive Programming（CodeContests+: 针对竞争性编程的高质量测试用例生成）

08:35 🤖 Splatting Physical Scenes: End-to-End Real-to-Sim from Imperfect Robot Data（物理场景的点云重建：从不完美的机器人数据实现端到端的真实到仿真）

09:13 🤖 HASHIRU: Hierarchical Agent System for Hybrid Intelligent Resource Utilization（HASHIRU：用于混合智能资源利用的分层代理系统）

09:55 🧠 Truth in the Few: High-Value Data Selection for Efficient Multi-Modal Reasoning（少量真知：用于高效多模态推理的高价值数据选择）

【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