2026.08.14 | 动作条件视频世界模型引入几何感知；长时记忆外部化实现无尽世界

【赞助商】 OpenClaw快报 每天五分钟，听听 OpenClaw 快报，带你了解最新动态和业内讨论 传送门 https://www.xiaoyuzhoufm.com/podcast/6a1732a2dffa135d0ab5ef43 【目录】 本期的 15 篇论文如下： [00:32] 🤖 DreamX-Phi 1.0: Action-Conditioned Video World Model for Robotic Manipulation（DreamX-Phi 1.0：面向机器人操作的动作条件视频世界模型） [01:24] 🌍 Alaya-EVOKE: From Linear-Scaling Supervision to Endless World（Alaya-EVOKE：从线性扩展监督到无尽世界） [02:30] 🔀 LLMRouter: Unified Infrastructure for Developing, Evaluating, and Deploying LLM Routers（LLMRouter：开发、评估和部署LLM路由器的统一基础设施） [03:25] 🧬 DarwinX: Evolving Agent Harnesses Through Natural Selection（DarwinX：通过自然选择进化智能体框架） [04:26] 🔬 Intern-S2-Preview: Scientific Agentic Foundation Model（Intern-S2-Preview：科学智能体基础模型） [05:20] 🎮 PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives（PlayWorld：使用智能体玩家在长程目标上对世界模型进行基准测试） [06:20] 🤖 AutoDesign: Meta-Harness Optimization for Long-Horizon Agentic Design（AutoDesign：面向长时程智能体设计的元框架优化） [07:23] 🧠 Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence（空间记忆智能体：基于经验的程序记忆实现空间智能） [08:12] ⚡ Massive Activations in Hybrid Linear Attention Large Language Models: Pre-Attention Spikes and Inter-Spike Plateaus（混合线性注意力大语言模型中的大规模激活：注意力前尖峰与尖峰间平台） [09:03] 🎭 UniSwap: Streaming Audio-Visual Identity Swapping for Talking Videos（UniSwap：面向说话视频的流式音频-视觉身份交换） [10:12] ⚡ LiveAnimate: Stable Long-Form Streaming Human Animation in Real-Time（LiveAnimate：实时稳定长格式流式人体动画生成） [11:08] 🤖 How Can Rhetoric Reward-Hack AI Reviewers? Dissecting Rhetorical Sensitivity in AI-Based Peer Review（修辞何以能对AI审稿人进行奖励黑客？解析基于AI的同行评审中的修辞敏感性） [12:00] ✂ An AI4AI Framework for Visual Token Pruning（面向视觉Token剪枝的AI4AI框架） [12:56] 🤖 H2R-Bench: Benchmarking Human-to-Robot Manipulation Video Generation in World Models（H2R-Bench：在世界模型中评估人类到机器人的操作视频生成） [14:08] 🔄 Full-bandwidth transformer（全带宽Transformer） 【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 在小宇宙查看该单集文稿