本期的 14 篇论文如下： [00:26] 🎨 Style-Friendly SNR Sampler for Style-Driven Generation（风格友好SNR采样器用于风格驱动生成） [01:08] 🚀 TÜLU 3: Pushing Frontiers in Open Language Model Post-Training（TÜLU 3：推动开放语言模型后训练的前沿） [01:53] 🌐 OminiControl: Minimal and Universal Control for Diffusion Transformer（OminiControl：扩散Transformer的最小且通用控制） [02:31] 🛡 A Flexible Large Language Models Guardrail Development Methodology Applied to Off-Topic Prompt Detection（一种应用于离题提示检测的灵活大型语言模型防护开发方法） [03:08] 🧠 Large Multi-modal Models Can Interpret Features in Large Multi-modal Models（大型多模态模型中的特征解释） [03:49] 🎥 VideoEspresso: A Large-Scale Chain-of-Thought Dataset for Fine-Grained Video Reasoning via Core Frame Selection（视频浓缩：通过核心帧选择进行细粒度视频推理的大规模思维链数据集） [04:29] 🎮 BALROG: Benchmarking Agentic LLM and VLM Reasoning On Games（BALROG：在游戏中评估代理型LLM和VLM的推理能力） [05:13] 🎥 Efficient Long Video Tokenization via Coordinated-based Patch Reconstruction（基于协调的补丁重构高效长视频标记化） [05:56] 👴 MyTimeMachine: Personalized Facial Age Transformation（我的时光机：个性化面部年龄转换） [06:34] 🎥 Novel View Extrapolation with Video Diffusion Priors（基于视频扩散先验的新视角外推） [07:10] 🎥 VideoRepair: Improving Text-to-Video Generation via Misalignment Evaluation and Localized Refinement（视频修复：通过错位评估和局部细化改进文本到视频生成） [07:54] ☁ Adapting Vision Foundation Models for Robust Cloud Segmentation in Remote Sensing Images（适应视觉基础模型用于遥感图像中云分割的鲁棒性） [08:31] 🤖 One to rule them all: natural language to bind communication, perception and action（一统天下：自然语言结合通信、感知与行动） [09:15] 🤖 WildLMa: Long Horizon Loco-Manipulation in the Wild（野外长时程移动操作） 【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