本期的 15 篇论文如下：

[00:22 ] 🔍 Multimodal Evaluation of Russian-language Architectures（俄语多模态架构的评估框架）

[01:15 ] 🧠 Latent Collaboration in Multi-Agent Systems（多智能体系统中的潜在协作）

[01:47 ] 🌍 Inferix: A Block-Diffusion based Next-Generation Inference Engine for World Simulation（Inferix：基于块扩散的新一代世界模拟推理引擎）

[02:18 ] 🎭 Harmony: Harmonizing Audio and Video Generation through Cross-Task Synergy（和谐：通过跨任务协同实现音频与视频生成的统一）

[03:10 ] 📄 NVIDIA Nemotron Parse 1.1（英伟达Nemotron解析1.1）

[03:46 ] 🧠 Monet: Reasoning in Latent Visual Space Beyond Images and Language（Monet：超越图像与语言的潜在视觉空间推理）

[04:25 ] ⚡ Terminal Velocity Matching（终端速度匹配）

[05:03 ] 📊 Revisiting Generalization Across Difficulty Levels: It's Not So Easy（重新审视跨难度级别的泛化能力：并非易事）

[05:42 ] 🤖 MobileVLA-R1: Reinforcing Vision-Language-Action for Mobile Robots（MobileVLA-R1：强化移动机器人的视觉-语言-动作能力）

[06:25 ] ⚡ Image-Free Timestep Distillation via Continuous-Time Consistency with Trajectory-Sampled Pairs（基于轨迹采样对的连续时间一致性图像自由时间步蒸馏）

[06:59 ] 🎮 UniGame: Turning a Unified Multimodal Model Into Its Own Adversary（UniGame：将统一多模态模型转化为其自身的对抗者）

[07:47 ] 🧩 SPHINX: A Synthetic Environment for Visual Perception and Reasoning（SPHINX：用于视觉感知与推理的合成环境）

[08:33 ] ⚡ Block Cascading: Training Free Acceleration of Block-Causal Video Models（块级联：免训练的块因果视频模型加速）

[09:12 ] 🏙 RAISECity: A Multimodal Agent Framework for Reality-Aligned 3D World Generation at City-Scale（RAISECity：面向城市尺度的现实对齐三维世界生成多模态智能体框架）

[09:58 ] 📊 I-GLIDE: Input Groups for Latent Health Indicators in Degradation Estimation（I-GLIDE：基于输入组的退化估计潜在健康指标）

【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