Publishing Details
About This Podcast
Explore Statistics
Recent Episodes
AI Radio FM - 科技频道：Z-Image模型：小参数，大作为！
本期节目深入探讨了阿里巴巴集团推出的高效图像生成基础模型Z-Image。我们讨论了该模型如何以60亿参数挑战“不计成本的规模化”范式，通过精细的数据基础设施、创新的单流扩散Transformer架构、优化的训练策略以及高效的推理方案，实现了顶级的图像生成和编辑能力。节目还详细介绍了Z-Image-Turbo的亚秒级推理速度和消费级硬件兼容性，以及Z-Image-Edit强大的指令遵循编辑功能。通过…
AI Radio FM - Technology Channel: Code2Video 教育视频生成新范式
本期节目深入探讨了Code2Video，一个以代码为中心的智能体框架，如何彻底改变教育视频的生成方式。我们详细解析了其三大协作智能体：规划者、编码器和评论家，并介绍了创新性的MMMC基准和TeachQuiz评估指标，揭示了AI在生成高质量、可解释、可控的教育内容方面的巨大潜力。与我们一同探索这一前沿技术如何超越传统像素级生成，为未来的学习体验带来革命性变革。
AI电台FM - 科技频道：Krea Realtime 14B 实时长视频生成技术深度解析
本期节目，我们深入探讨Krea Realtime 14B模型，一款140亿参数的实时长视频生成AI。我们将揭秘其如何克服现有实时视频模型的局限，实现11fps的文本到视频生成速度，以及它在交互式创意工具领域带来的革命性变革。从核心的“自强制”蒸馏技术，到对抗“曝光偏差”和长视频生成挑战的创新解决方案，我们将一一道来，并展望这项技术的未来。
SANA-Video：小模型，大突破——实时高效视频生成新范式
欢迎收听AI Radio FM - 科技频道！本期节目，我们将深入探讨SANA-Video，一个能在RTX 5090 GPU上高效运行，生成长达一分钟、720p高分辨率视频的突破性小型扩散模型。我们将揭秘其两大核心创新：线性Diffusion…
Qwen3-VL：多模态AI的划时代飞跃
深入探讨Qwen3-VL，这一在多模态AI领域取得显著突破的视觉-语言模型。我们将揭示其卓越的性能表现，包括纯文本理解、256K超长上下文处理、高级多模态推理能力，以及其创新的架构升级和精细的训练策略。Qwen3-VL不仅在各项基准测试中表现出色，更将成为未来具身智能、智能体决策和多模态代码智能的基石。
嵌套学习：深度学习架构的幻象
本期节目，我们将深入探讨“嵌套学习”这一创新范式，它如何重新定义我们对深度学习模型及其训练过程的理解，揭示现有深度学习方法中的“背景流压缩”机制，并带来如深度优化器、自修改模型和连续记忆系统等突破性技术，最终展示HOPE架构在语言模型任务上的卓越表现。
解锁音频智能：Step-Audio-R1如何让声音“深思熟虑”
本期节目，我们将深入探讨Step-Audio-R1模型，它如何突破音频领域长久以来的“推理困境”，首次成功实现音频的深度推理能力。我们将揭秘其创新的模态融合推理蒸馏（MGRD）框架，以及它在语音理解、环境音分析和音乐鉴赏等方面的卓越表现，并探讨它如何超越现有顶尖模型，开启多模态推理系统的新篇章。
ParaS2S：解锁智能语音助手情绪和风格感知的未来
深入探讨字节跳动与台湾大学合作的ParaS2S框架，一个旨在提升语音到语音（S2S）模型副语言感知能力（如情感、语调、说话者属性）的创新基准和强化学习对齐框架。我们揭示了现有S2S模型的“语调迟钝”问题，并展示了ParaS2S如何在大幅减少标注成本的同时，实现内容和风格匹配度的显著提升，引领S2S交互迈向更自然、更人性化的新时代。
VASA-3D：单张图像驱动的超逼真3D高斯头部化身
深入探讨VASA-3D如何从单张肖像图生成实时、栩栩如生的3D头部化身，其背后融合了VASA-1的强大2D动态捕捉能力和3D Gaussian Splatting技术。我们将解析这项创新技术如何克服传统挑战，实现前所未有的表情细节和沉浸式虚拟互动，并探讨其在AI应用及负责任AI方面的考量。
AgentEvolver：迈向高效自进化智能体系统
本期节目深入探讨AgentEvolver，一个创新性的自进化智能体系统，它通过“自提问”、“自导航”和“自归因”三大核心机制，显著提升了大型语言模型（LLM）驱动智能体的学习效率和自主性，解决了传统训练中任务稀缺、探索低效和样本利用率低的问题。
明-全能：多模态统一感知与生成模型的突破
本期节目将深入探讨“明-全能”（Ming-Omni）模型，这是一个创新的统一多模态模型，它能够处理图像、文本、音频和视频，并在语音和图像生成方面展现出卓越能力。我们将揭示其独特的架构设计、创新的训练策略以及在多项基准测试中取得的领先成果，特别是其作为首个开源模型对标GPT-4o的里程碑意义。
OmniVinci：开放全模态大模型的未来揭秘
欢迎收听AI Radio FM -…
探索LongCat-Flash-Omni：5600亿参数全模态巨兽的实时音视频交互秘密
欢迎收听AI Radio FM -…
AI电台FM - 科技频道：自我演化智能体：通往人工超级智能之路
本期节目深入探讨了自我演化智能体的最新研究综述，揭示了它们如何从静态大型语言模型演变为能自主学习、适应和改进的动态系统。我们将分析智能体演化的核心维度——演化什么、何时演化、如何演化，以及其在编码、医疗、教育等领域的应用和未来发展方向。
智能体组织时代：语言模型如何学会异步思考
深入探讨AsyncThink，一种新颖的LLM推理范式，它通过组织者-工作者协议、两阶段训练以及强化学习，实现了更高效、更准确的复杂问题解决能力，并能泛化到新任务。我们将详细解读其核心机制、训练过程、实验结果以及未来潜力。
MemOS：AI系统的记忆操作系统——革新LLM的记忆能力
本期节目，我们将深入探讨 MemOS，一个专为大型语言模型（LLM）设计的记忆操作系统。我们将解析其如何统一管理参数记忆、激活记忆和明文记忆，通过创新的 MemCube 概念，赋予LLM卓越的记忆可控性、可塑性和可演化性。从长程依赖到知识演化，再到个性化定制和跨平台迁移，MemOS…
超感知：迈向视频空间智能的未来
深入探讨Cambrian-S研究，揭示多模态大模型在视频理解和空间超感知能力上的突破与挑战，以及预测式感知如何引领新范式。
Nested Learning: The Illusion of Deep Learning Architectures - 嵌套学习：深度学习架构的幻象
欢迎收听AI Radio FM -…
FM Agent：大型语言模型与进化搜索的协同——迈向通用AI研究代理
本期节目深入探讨了FM Agent，一个创新且通用的多智能体框架，它如何巧妙结合LLM推理和大规模进化搜索来解决复杂的现实世界挑战，并在机器学习、组合优化、GPU核函数生成及经典数学问题上取得SOTA成果。
AI Radio FM - 智能代理的进化秘籍：ACE上下文工程
本期节目深入探讨了“代理式上下文工程”（ACE）框架，该框架通过将大型语言模型的上下文视为不断演进的“策略手册”，有效解决了现有上下文适应方法中存在的“简洁偏见”和“上下文崩溃”两大难题。我们分析了ACE如何通过生成器、反思器和策展器的模块化协作，以及增量更新和“增长-精炼”机制，实现更高效、更具韧性的AI系统自我提升，及其在智能代理和领域特定任务中的显著性能提升和成本节约。
Frequently Asked Questions
AI Podcast has published 413 episodes since October 2024, covering topics in Technology.
AI Podcast is currently dormant with new episodes daily. Average episode length is 8m.
