Command Palette
Search for a command to run...
الأوراق البحثية
أوراق بحثية متطورة في مجال الذكاء الاصطناعي يتم تحديثها يوميًا لمساعدتك على مواكبة أحدث اتجاهات الذكاء الاصطناعي
أوراق بحثية

توسيع توليد الصور بخطوة واحدة من تسميات الفئات إلى النصوص عبر تمثيل نصي تمييزي

ScribblePrompt: تقسيم تفاعلي سريع ومرن لأي صورة طبية حيوية






























Long-VITA: توسيع نطاق Large Multi-modal Models لتصل إلى 1 Million tokens مع دقة رائدة في السياقات القصيرة (Short-Context)
UI-TARS: ريادة التفاعل المؤتمت مع واجهة المستخدم الرسومية (GUI) باستخدام Native Agents
HunyuanVideo: إطار عمل منهجي لنماذج توليد الفيديو الكبيرة (Large Video Generative Models)
MathNet: معيار عالمي متعدد الوسائط للاستدلال الرياضي والاسترجاع
الاستدلال الخارجي في LLM Agents: مراجعة موحدة للذاكرة، والمهارات، والبروتوكولات، وهندسة Harness
ضغط السياق النشط: الإدارة الذاتية للذاكرة في LLM Agents
قلل خسائرك! تعلم تقليم المسارات مبكراً من أجل reasoning متوازٍ فعال
تقرير تقني حول Qwen3.5-Omni
تقطيع النصوص المدرك للاسترجاع من الويب (W-RAC) لأنظمة الـ Retrieval-Augmented Generation الفعالة ومنخفضة التكلفة
PersonaVLM: نماذج Multimodal LLMs المخصصة طويلة المدى
أقصى ضرر للدماغ دون بيانات أو تحسين: تعطيل Neural Networks عبر Sign-Bit Flips
توضيح انحياز SNR-t في نماذج Diffusion Probabilistic Models
التعرف الضوئي على الحروف متعدد الوسائط (Multimodal OCR): تحليل كل شيء من المستندات
Granite-speech: نماذج LLMs مفتوحة المصدر مدركة للكلام مع قدرات قوية في مجال ASR للغة الإنجليزية
Fish-Speech: الاستفادة من Large Language Models لتخليق الكلام متعدد اللغات المتقدم من النص إلى الصوت
حذف الكائنات والتفاعلات في الفيديو
VoxCPM: نظام TTS بدون Tokenizer لتوليد الكلام المدرك للسياق واستنساخ الصوت الواقعي للغاية
OmniVoice: نحو تحويل النص إلى كلام بأسلوب zero-shot متعدد اللغات باستخدام Diffusion Language Models
حيث تصبح الرؤية نصاً: تحديد موقع عنق الزجاجة في توجيه OCR ضمن Vision-Language Models
هل هو OCR أم لا؟ إعادة التفكير في استخراج معلومات المستندات في عصر MLLMs باستخدام مجموعات بيانات ضخمة من العالم الحقيقي
dnaHNet: نموذج تأسيسي هرمي وقابل للتوسع لتعلم المتواليات الجينومية
الحواسيب العصبية (Neural Computers)
ASGuard: Activation-Scaling Guard لتخفيف هجمات Targeted Jailbreaking
GlobalSplat: Efficient Feed-Forward 3D Gaussian Splatting via Global Scene Tokens
كيف يتم إجراء Fine-Tune لنموذج استنتاج (Reasoning Model)؟ إطار عمل تعاوني بين Teacher و Student لتخليق بيانات SFT متسقة مع الـ Student.
RAD-2: توسيع نطاق Reinforcement Learning ضمن إطار عمل Generator-Discriminator
DR3-Eval: نحو تقييم بحثي عميق واقعي وقابل للتكرار
HY-World 2.0: A Multi-Modal World Model for Reconstructing, Generating, and Simulating 3D Worlds HY-World 2.0: نموذج عالم متعدد الوسائط لإعادة بناء وتوليد ومحاكاة العوالم ثلاثية الأبعاد
pi0.7: نموذج روبوتي أساسي عام وقابل للتوجيه مع قدرات ناشئة
GTR: تعزيز التفكير الموجه يمنع انهيار التفكير أثناء تدريب VLM Agent القائم على RL