HyperAI
Command Palette
Search for a command to run...
论文
每日更新的前沿人工智能研究论文,帮助您紧跟最新的人工智能趋势
迈向可预测、对齐且可扩展的机器人学习
多模态表征
多模态
特征空间流匹配用于随机世界建模
扩散模型
多模态表征
François Porcher, Nicolas Carion, Karteek Alahari, et al.
MiMo-V2.5系列全流程推理优化：将混合滑动窗口注意力效率推向极限
LLM
多模态
Anqi Liu, Rui Huang, Aoxin Ma, et al.
TRACE：基于贡献估计的轮次级奖励分配方法用于长程智能体
强化学习
Agent
Leitian Tao, Baolin Peng, Wenlin Yao, et al.
KeyFrame-Compass：面向关键帧条件视频生成综合评估的基准
视频生成
图生视频
Yuqi Tang, Tengfei Liu, Yizheng Lai, et al.
BadWAM：当世界-行动模型想象正确却行动错误时
多模态表征
多模态
Qi Li, Xingyi Yang, Xinchao Wang
SearchOS-V1：迈向稳健的开放域信息搜索智能体协作
Agent
LLM
Yuyao Zhang, Junjie Gao, Zhengxian Wu, et al.
SEED：面向智能体强化学习的自进化在线策略蒸馏
强化学习
Agent
Jinyang Wu, Shuo Yang, Zhengxi Lu, et al.
VideoChat3：面向高效通用视频理解的全开源视频多模态大语言模型
视频理解
多模态
Xinhao Li, Yuhan Zhu, Xiangyu Zeng, et al.
LongStraw：固定GPU预算下超越200万Token的长上下文强化学习
强化学习
LLM
Changhai Zhou, Kieran Liu, Yuhua Zhou, et al.
遥感中的深度学习：综述
深度学习
遥感
Xiao Xiang Zhu, Devis Tuia, Lichao Mou, et al.
基于深度神经网络的语音增强回归方法
音频和语音处理
深度学习
Yong Xu, Jun Du, Li-Rong Dai, et al.
语音识别中声学建模的深度神经网络
神经网络
音频和语音处理
Geoffrey Hinton, Li Deng, Dong Yu, et al.
RoboTTT：机器人策略的上下文扩展
模型训练
强化学习
Yunfan Jiang, Yevgen Chebotar, Ruijie Zheng, et al.
SWE-agent：智能体-计算机接口实现自动化软件工程
Agent
代码生成
John Yang, Carlos E. Jimenez, Alexander Wettig, et al.
向量空间中词表示的高效估计
深度学习
自然语言处理
Tomas Mikolov, Greg Corrado, Kai Chen, et al.
使用多尺度深度网络从单张图像预测深度图
深度估计
计算机视觉
David Eigen, Christian Puhrsch, Rob Fergus
TabNet：专注可解释的表格学习
深度学习
Sercan O. Arık, Tomas Pfister
AudioPaLM：一个能说会听的大型语言模型
LLM
统一多模态
Paul K. Rubenstein, Chulayuth Asawaroengchai, Duc Dung Nguyen, et al.
SQuAD：面向文本机器理解的十万余问答数据集
智能问答
自然语言处理
Pranav Rajpurkar, Jian Zhang, Konstantin Lopyrev, et al.
DeepPose：基于深度神经网络的人体姿态估计
深度学习
计算机视觉
Alexander Toshev, Christian Szegedy
现代智能体系统中的自我改进：综述
Agent
LLM
Zhe Ren, Yimeng Chen, Dandan Guo, et al.
面向智能体强化学习的单次异步优化方法
强化学习
Agent
Zhenyu Hou, Yujiang Li, Jie Tang, et al.
SparDA：面向高效长上下文大语言模型推理的稀疏解耦注意力机制
Transformer
LLM
Yaosheng Fu, Guangxuan Xiao, Xin Dong, et al.
MetaView：基于尺度感知隐式几何先验的单目新视角合成
3D 生成
扩散模型
Yufei Cai, Xuesong Niu, Hao Lu, et al.
PolicyShiftGuard：政策自适应图像护栏的基准测试与改进
多模态
监督式微调
Mingyang Song, Luxin Xu, Haoyu Sun, et al.
KnowAct-GUIClaw：知深行远，具备自进化记忆与技能的个人GUI助手
Agent
LLM
Yunxin Li, Jinchao Li, Baotian Hu, et al.
OvisOCR2 技术报告
OCR
文档理解
Shiyin Lu, Yinglun Li, Yu Xia, et al.
Boogu-Image-0.1：推动开源统一多模态理解与生成
文生图
图像生成
Rui Liu, Chao Huang, Han Shi, et al.
Harness Handbook：让不断演进的智能体框架变得可读、可导航、可编辑
Agent
代码生成
Ruhan Wang, Yucheng Shi, Zongxia Li, et al.
Qwen-Music 技术报告
音频生成
LLM
Jin Xu, Shun Lei, Xueyao Zhang, et al.
用于探索、净化与模型合并的谱重连
LLM
深度学习
Zhilong Zhang, Hongli Yu, Huan-ang Gao, et al.