本期的 15 篇论文如下：

[00:19] 🧠 Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems（具身智能体的进展与挑战：从脑启发智能到进化、协作与安全系统）

[01:01] 🖼 Envisioning Beyond the Pixels: Benchmarking Reasoning-Informed Visual Editing（超越像素的展望：推理驱动的视觉编辑基准测试）

[01:41] 🖼 GPT-ImgEval: A Comprehensive Benchmark for Diagnosing GPT4o in Image Generation（GPT-ImgEval：一个用于诊断 GPT4o 在图像生成中表现的综合性基准）

[02:25] 🤖 Rethinking RL Scaling for Vision Language Models: A Transparent, From-Scratch Framework and Comprehensive Evaluation Scheme（重新思考视觉语言模型的强化学习扩展：一个透明的、从零开始的框架和综合评估方案）

[03:08] 🗣 Scaling Analysis of Interleaved Speech-Text Language Models（交错语音-文本语言模型的规模化分析）

[03:52] 🎬 SkyReels-A2: Compose Anything in Video Diffusion Transformers（SkyReels-A2：视频扩散Transformer中的任意元素组合）

[04:36] 🧊 ShortV: Efficient Multimodal Large Language Models by Freezing Visual Tokens in Ineffective Layers（ShortV：通过冻结无效层中的视觉 tokens 实现高效多模态大型语言模型）

[05:13] 📉 ZClip: Adaptive Spike Mitigation for LLM Pre-Training（ZClip：用于LLM预训练的自适应尖峰缓解）

[05:50] 🧠 Inference-Time Scaling for Generalist Reward Modeling（通用奖励建模的推理时扩展）

[06:32] 🗣 Audio-visual Controlled Video Diffusion with Masked Selective State Spaces Modeling for Natural Talking Head Generation（基于掩码选择性状态空间建模的音视频控制视频扩散，用于自然对话头部的生成）

[07:12] ⏱ Efficient Model Selection for Time Series Forecasting via LLMs（基于大型语言模型的时间序列预测高效模型选择）

[07:55] 🤖 Scaling Laws in Scientific Discovery with AI and Robot Scientists（人工智能与机器人科学家在科学发现中的规模法则）

[08:35] 🧠 Instruction-Guided Autoregressive Neural Network Parameter Generation（指令引导的自回归神经网络参数生成）

[09:18] 🤖 GenPRM: Scaling Test-Time Compute of Process Reward Models via Generative Reasoning（GenPRM：通过生成式推理扩展过程奖励模型的测试时计算）

[10:01] 🧠 Interpreting Emergent Planning in Model-Free Reinforcement Learning（解读免模型强化学习中涌现的规划能力）

【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

2025.04.04 | 智能体自主提升，视觉编辑推理重要。

HuggingFace 每日AI论文速递

2025.04.04 | 智能体自主提升，视觉编辑推理重要。