本期的 14 篇论文如下： [00:26] 🧠 Enhancing the Reasoning Ability of Multimodal Large Language Models via Mixed Preference Optimization（通过混合偏好优化提升多模态大语言模型的推理能力） [01:12] 🌐 Multimodal Autoregressive Pre-training of Large Vision Encoders（大规模视觉编码器多模态自回归预训练） [01:55] 🧠 Marco-o1: Towards Open Reasoning Models for Open-Ended Solutions（Marco-o1：面向开放式解决方案的开放推理模型） [02:40] 🧠 Hymba: A Hybrid-head Architecture for Small Language Models（Hymba：一种用于小语言模型的混合头架构） [03:22] 🚀 Ultra-Sparse Memory Network（超稀疏内存网络） [03:58] 📚 OpenScholar: Synthesizing Scientific Literature with Retrieval-augmented LMs（开放学者：利用检索增强型语言模型合成科学文献） [04:47] 🧠 Natural Language Reinforcement Learning（自然语言强化学习） [05:26] 🧠 Insight-V: Exploring Long-Chain Visual Reasoning with Multimodal Large Language Models（Insight-V：探索多模态大语言模型的长链视觉推理） [06:08] 🤖 Do I Know This Entity? Knowledge Awareness and Hallucinations in Language Models（我了解这个实体吗？语言模型中的知识意识与幻觉） [06:46] 🌊 Stable Flow: Vital Layers for Training-Free Image Editing（稳定流：无需训练的图像编辑关键层） [07:25] 🌐 UnifiedCrawl: Aggregated Common Crawl for Affordable Adaptation of LLMs on Low-Resource Languages（统一爬取：利用Common Crawl为低资源语言的LLM提供经济适用的适应性） [08:03] 🚗 MagicDriveDiT: High-Resolution Long Video Generation for Autonomous Driving with Adaptive Control（MagicDriveDiT：基于自适应控制的高分辨率长视频生成用于自动驾驶） [08:44] 🧠 Patience Is The Key to Large Language Model Reasoning（耐心是大型语言模型推理的关键） [09:18] 🌐 Baking Gaussian Splatting into Diffusion Denoiser for Fast and Scalable Single-stage Image-to-3D Generation（将高斯散射融入扩散去噪器以实现快速且可扩展的单阶段图像到3D生成） 【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