🧠 **前沿多模态推理模型**：Apriel-1.5-15B-Thinker作为一款15B开源模型，在多模态推理领域展现出“以小博大”的潜力，为高效实现前沿多模态推理提供了新的解决方案。

🚀 **高效多模态大模型**：通过渐进一致性蒸馏技术，研究人员开发出更高效的多模态大语言模型，旨在提升模型在处理多模态信息时的性能和效率。

🧩 **机器人策略优化**：Compose Your Policies! 提出一种利用测试时段分布级组合的方法，以提升基于扩散或流的机器人策略的性能，为机器人自主导航和任务执行提供了新思路。

🪞 **多模态大模型自我提升**：该综述探讨了多模态大语言模型在自我提升方面的各种方法和挑战，为构建更强大、更智能的AI系统提供了理论指导。

🧬 **智能体演化风险**：研究揭示了自演化大模型智能体中可能出现的“误入歧途”现象，即智能体在自我演化过程中可能产生不可预测的风险，强调了对智能体行为的审慎设计和监控的重要性。

📊 **协同数据可视化**：CoDA系统提出了一种面向协同数据可视化的智能体方法，旨在通过智能体间的协作，提升数据分析和信息呈现的效率与质量。

🧐 **大模型写学术综述能力**：SurveyBench旨在评估大模型（智能体）撰写学术综述的能力，揭示其在信息组织、内容概括和学术表达方面的优势与不足。

🔧 **鲁棒模型编辑**：REPAIR框架通过渐进式自适应干预与再融合，实现了对模型的鲁棒性编辑，使得模型在修改后仍能保持良好的性能。

🔍 **原子特征提取**：OrtSAE（正交稀疏自编码器）被提出用于揭示数据中的原子级特征，这有助于更深入地理解数据结构和模型内部机制。

🔍 **网页智能体上下文精简**：FocusAgent提供了一种简易高效的方案，通过轻量级检索器来精简网页智能体的冗长上下文，提升其信息处理效率。

🎯 **GUI定位改进**：通过显式的位置-坐标映射，研究改进了图形用户界面（GUI）的定位精度，为构建更精确的交互式AI应用奠定基础。

📏 **LLM推理策略优化**：LSPO（长度感知动态采样）策略优化方法，专门针对大模型推理过程中的长度感知问题，提升了推理的准确性和效率。

🤖 **网页智能体提示注入防护**：WAInjectBench提供了一个用于评测网页智能体提示注入防护能力的基准，有助于识别和防御潜在的安全漏洞。

🍱 **文本到图像模型对齐**：该研究提出了一种无需偏好图像对即可实现文本到图像扩散模型“免费”对齐的方法，简化了模型训练过程。

🎯 **分布外视觉任务适配**：LEAML（标签高效分布外适配）方法，旨在提升多模态大模型在面对分布外视觉任务时的标签效率和适应能力。

本期的 15 篇论文如下：

00:28 🧠 Apriel-1.5-15b-Thinker（Apriel-1.5-15B-Thinker：以小博大实现前沿多模态推理的15B开源模型）

01:04 🚀 Efficient Multi-modal Large Language Models via Progressive Consistency Distillation（基于渐进一致性蒸馏的高效多模态大模型）

01:42 🧩 Compose Your Policies! Improving Diffusion-based or Flow-based Robot Policies via Test-time Distribution-level Composition（组合式策略！利用测试时段分布级组合提升基于扩散或流的机器人策略性能）

02:19 🪞 Self-Improvement in Multimodal Large Language Models: A Survey（多模态大语言模型自我提升综述）

02:59 🧬 Your Agent May Misevolve: Emergent Risks in Self-evolving LLM Agents（你的智能体可能误入歧途：自演化大模型智能体中的涌现风险）

03:38 📊 CoDA: Agentic Systems for Collaborative Data Visualization（CoDA：面向协同数据可视化的智能体系统）

04:21 🧐 SurveyBench: How Well Can LLM(-Agents) Write Academic Surveys?（SurveyBench：大模型（智能体）写学术综述能有多靠谱？）

05:06 🔧 REPAIR: Robust Editing via Progressive Adaptive Intervention and Reintegration（REPAIR：渐进式自适应干预与再融合的鲁棒编辑框架）

05:53 🔍 OrtSAE: Orthogonal Sparse Autoencoders Uncover Atomic Features（OrtSAE：正交稀疏自编码器揭示原子级特征）

06:38 🔍 FocusAgent: Simple Yet Effective Ways of Trimming the Large Context of Web Agents（FocusAgent：轻量级检索器为网页智能体精简冗长上下文的简易高效方案）

07:14 🎯 Improving GUI Grounding with Explicit Position-to-Coordinate Mapping（基于显式位置-坐标映射的GUI定位改进方法）

08:05 📏 LSPO: Length-aware Dynamic Sampling for Policy Optimization in LLM Reasoning（LSPO：面向大模型推理的基于长度感知的动态采样策略优化）

08:45 🤖 WAInjectBench: Benchmarking Prompt Injection Detections for Web Agents（WAInjectBench：面向网页智能体的提示注入攻防基准评测）

09:19 🍱 Free Lunch Alignment of Text-to-Image Diffusion Models without Preference Image Pairs（无需配对偏好图像即可免费对齐文本到图像扩散模型）

09:54 🎯 LEAML: Label-Efficient Adaptation to Out-of-Distribution Visual Tasks for Multimodal Large Language Models（LEAML：面向多模态大模型的标签高效分布外视觉任务适配）

【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