HyperAI超神经

Tianhe Wu, Kun Yan, Zikai Zhou, et al.

OVO-S-Bench：面向多模态大语言模型流式空间智能的分层基准

Yifei Li, Pengyiang Liu, Yuhang Zang, et al.

视频理解

复现、分析与检测基于评分标准的强化学习中的奖励黑客攻击

Xuekang Wang, Zhuoyuan Hao, Shuo Hou, et al.

深度研究 Agents 在哪里出错？Agent 轨迹中的跨度级错误定位

Jiaming Wang, Ziteng Feng, Jiangtao Wu, et al.

音频交互模型

Zhifei Xie, Zihang Liu, Ze An, et al.

音频和语音处理

Cosmos 3：面向物理AI的全模态世界模型

Aditi, Niket Agarwal, Arslan Ali, et al.

统一多模态

学习与快慢思维：迈向具备持续适应能力的 LLM

监督式微调

模型训练

Rishabh Tiwari, Kusha Sareen, Lakshya A Agrawal, et al.

LEAP：利用智能体框架为大型语言模型在形式化数学领域的赋能增效

Po-Nien Kung, Linfeng Song, Dawsen Hwang, et al.

文本生成

世界模型遇见语言模型：论具体与抽象推理的互补性

Yucheng Zhou, Wei Tao, Yiwen Guo, et al.

视觉问答

从激活到因果：人类大脑中因果视觉表征的发现

Yuval Golbari, Navve Wasserman, Matias Cosarinsky, et al.

多模态表征

一种用于多域强化学习中跨域干扰与恢复的局部扰动理论

Lei Yang, Siyu Ding, Deyi Xiong

人形-GPT：用于零样本运动跟踪的数据与结构扩展

Zekun Qi, Xuchuan Chen, Dairu Liu, et al.

目标跟踪

信任域同策略蒸馏

Xingrun Xing, Haoqing Wang, Boyan Gao, et al.

文本生成

OCC-RAG：面向忠实问答的最优认知核心

检索增强生成

智能问答

Maksim Savkin, Mikhail Goncharov, Alexander Gambashidze, et al.

MAI-Thinking-1：构建爬山算法

模型训练

Zhipeng Cai, Zhuang Liu, Yunyang Xiong, et al.

$VLM^3$ ：视觉语言模型是原生3D学习者

3D 生成

深度估计

Harness-1：利用状态外化 Harness 进行搜索代理的强化学习

检索增强生成

Pengcheng Jiang, Zhiyi Shi, Kelly Hong, et al.

DeepCrack：一种用于裂纹分割的深度层次化特征学习架构

语义分割

图像分割

Yahui Liu, Lian Yao, Xiaohu Lu, et al.

VideoMLA：用于分钟级自回归视频扩散的低秩潜在KV缓存

视频生成

扩散模型

Hidir Yesiltepe, Jiazhen Hu, Tuna Han Salih Meral, et al.

Draft-OPD：面向投机草稿模型的在线策略蒸馏

文本生成

Haodi Lei, Yafy Li, Haoran Zhang, et al.

K-BrowseComp：基于韩国语境的 Web 浏览 Agent 基准测试

基准

Nahyun Lee, Dongkeun Yoon, Guijin Son, et al.

关键在于TASTE：提升 Agent 基准的覆盖率与难度

基准

Tomer Keren, Nitay Calderon, Asaf Yehudai, et al.

关于 PEFT 的扩展：迈向万亿参数的百万级个性化模型

Mind Lab, Song Cao, Vic Cao, et al.

模型训练

Crafter：用于从多样化输入生成可编辑科学图表的多 Agent 框架

Haozhe Zhao, Shuzheng Si, Zhenhailong Wang, et al.

AI for Science

TACK：针对新型靶向嵌合体知识数据集（TArgeting Chimeras Knowledge）的降解活性统计评估

AI for Science

深度学习

Stefano Ribes, Nils Dunlop, Rocío Mercado

叙事织者：基于多模态条件控制的长程视觉一致性研究

视频生成

Zhengjian Yao, Yongzhi Li, Xinyuan Gao, et al.

框架更新并非框架增益：解耦自进化大语言模型智能体中的进化能力

Minhua Lin, Juncheng Wu, Zijun Wang, et al.

LongTraceRL：从搜索 Agent 轨迹与评分标准奖励中学习长上下文推理

Nianyi Lin, Jiajie Zhang, Lei Hou, et al.

用于同策略蒸馏的信赖域行为混合

Daniil Plyusov, Alexey Gorbatovski, Alexey Malakhov, et al.

SwanVoice：面向独白与对话的富有表现力长文本零样本语音合成

语音生成

Ruiqi Li, Yu Zhang, Changhao Pan, et al.

面向无瓶颈统一多模态模型的表示强制

统一多模态

Yuqing Wang, Zhijie Lin, Ceyuan Yang, et al.

GrepSeek：用于直接语料库交互的搜索 Agents 训练