本周AI研究聚焦多项前沿技术，包括面向长程深度信息检索的通义深度研究报告，以及AgentFold提出的主动式上下文管理智能体。在机器人操作领域，RoboOmni展示了全模态上下文下的主动机器人操作能力。此外，Game-TARS为可扩展通才多模态游戏智能体提供了预训练基础模型。视频生成方面，研究提出了度量路径均匀离散扩散模型。其他亮点还包括OSWorld-MCP对计算机代理调用工具能力的评测、基于群组相对注意力引导的图像编辑方法、WebLeaper在网络智能体中提升效率与效能的技术，以及MoE路由在扩散Transformer扩容中的作用。最后，并行缪斯提供了面向深度信息搜寻的主体化并行思考框架。

🔍 **长程深度信息检索与智能体技术：** 通义深度研究报告（Tongyi DeepResearch Technical Report）和AgentFold深入探讨了面向长程深度信息检索任务的智能体大模型，AgentFold特别强调了主动式上下文管理在实现长程任务中的关键作用，旨在提升智能体的表现和效率。

🤖 **机器人操作与多模态理解：** RoboOmni在全模态上下文下实现了主动机器人操作，表明AI在理解和执行复杂物理任务方面的能力不断增强，能够整合多源信息来指导机器人行为。

🎮 **游戏智能体与通用AI：** Game-TARS提出了一种面向可扩展通才多模态游戏智能体的预训练基础模型，这预示着AI在游戏领域将实现更广泛的通用性和适应性，能够处理多样化的游戏环境和任务。

🎬 **视频生成新方法：** 均匀离散扩散模型结合度量路径（Uniform Discrete Diffusion with Metric Path）为视频生成提供了新的技术路径，有望生成更高质量、更具连贯性的视频内容。

🌐 **网络智能体与工具调用：** OSWorld-MCP基准评测了计算机代理调用MCP工具的能力，而WebLeaper则通过富信息搜索来赋能网络智能体，提升其效率和效能，这显示了AI在自动化网络任务和信息获取方面的进展。

本期的 10 篇论文如下：

00:23 🔍 Tongyi DeepResearch Technical Report（通义深度研究报告：面向长程深度信息检索任务的智能体大模型）

01:00 🧠 AgentFold: Long-Horizon Web Agents with Proactive Context Management（AgentFold：面向长程任务的主动式上下文管理智能体）

01:36 🤖 RoboOmni: Proactive Robot Manipulation in Omni-modal Context（RoboOmni：全模态上下文下的主动机器人操作）

02:33 🎮 Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents（Game-TARS：面向可扩展通才多模态游戏智能体的预训练基础模型）

03:05 🎬 Uniform Discrete Diffusion with Metric Path for Video Generation（面向视频生成的度量路径均匀离散扩散模型）

03:42 🛠 OSWorld-MCP: Benchmarking MCP Tool Invocation In Computer-Use Agents（OSWorld-MCP：评测计算机代理调用MCP工具能力的基准）

04:28 🎨 Group Relative Attention Guidance for Image Editing（基于群组相对注意力引导的图像编辑方法）

05:14 🚀 WebLeaper: Empowering Efficiency and Efficacy in WebAgent via Enabling Info-Rich Seeking（WebLeaper：通过富信息搜索赋能网络智能体效率与效能）

06:04 🧭 Routing Matters in MoE: Scaling Diffusion Transformers with Explicit Routing Guidance（MoE路由关乎成败：显式路由引导扩散Transformer扩容）

07:01 🧠 ParallelMuse: Agentic Parallel Thinking for Deep Information Seeking（并行缪斯：面向深度信息搜寻的主体化并行思考）

【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