OmniVoice: 迈向基于 Diffusion Language Models 的全语种 Zero-Shot Text-to-Speech 研究

视觉如何转化为文本：定位 Vision-Language Models 中的 OCR Routing 瓶颈

OCR 还是非 OCR？在 MLLMs 时代利用真实世界大规模数据集重新思考文档信息抽取

dnaHNet：一种用于基因组序列学习的可扩展分层 Foundation Model

神经计算机

ASGuard：通过 Activation-Scaling 机制缓解针对性 Jailbreaking Attack 的防护方法

GlobalSplat: 通过 Global Scene Tokens 实现高效的 Feed-Forward 3D Gaussian Splatting

如何 Fine-Tune 推理模型？一种用于合成 Student-Consistent SFT 数据的高师生协作框架

RAD-2：在生成器-判别器框架下扩展 Reinforcement Learning

DR$^{3}$3-Eval：迈向真实且可复现的深度研究评估

HY-World 2.0：一种用于重建、生成与模拟 3D 世界的多模态 World Model

pi0.7：一种具有涌现能力的、可控的通用机器人 Foundation Model

GTR：引导式思维强化通过防止 RL 基础的 VLM Agent 训练中的思维崩溃（Thought Collapse）来提升性能

Large Language Models 的 Agent Skills：架构、获取、安全与未来路径

空间理论：Foundation Models 能否通过主动探索构建空间信念？

记忆迁移学习：Memory 在 Coding Agents 中是如何跨领域迁移的

OccuBench: 通过 Language World Models 在真实世界专业任务上评估 AI Agents

SpatialEvo：通过确定性几何环境实现自我演化的空间智能

RationalRewards：通过推理 Rewards 在训练与测试阶段共同提升视觉生成的 Scale

Seedance 2.0：提升应对世界复杂性的 Video Generation 能力

GameWorld：迈向多模态 Game Agents 标准化与可验证性的评估研究

通过 ScaleFormer 实现跨尺度 Pansharpening 以及 PanScale 基准测试

ParseBench：面向 AI Agents 的文档解析基准测试

存储智能 Agent

PROPELLA-1：面向大规模 LLM 数据策展的多属性文档标注

长上下文视觉文档理解中的内化推理机制

TurboQuant：具有近乎最优失真率的在线 Vector Quantization 方法

BERT-as-a-Judge：一种高效、稳健的参考式大语言模型评估方法，可替代传统词汇法

SPPO：用于长程推理任务的序列级PPO方法

屏幕上的图灵测试：移动端GUI智能体人性化评测基准

OmniVoice: 迈向基于 Diffusion Language Models 的全语种 Zero-Shot Text-to-Speech 研究

视觉如何转化为文本：定位 Vision-Language Models 中的 OCR Routing 瓶颈

OCR 还是非 OCR？在 MLLMs 时代利用真实世界大规模数据集重新思考文档信息抽取

dnaHNet：一种用于基因组序列学习的可扩展分层 Foundation Model

神经计算机

ASGuard：通过 Activation-Scaling 机制缓解针对性 Jailbreaking Attack 的防护方法

GlobalSplat: 通过 Global Scene Tokens 实现高效的 Feed-Forward 3D Gaussian Splatting

如何 Fine-Tune 推理模型？一种用于合成 Student-Consistent SFT 数据的高师生协作框架

RAD-2：在生成器-判别器框架下扩展 Reinforcement Learning

DR$^{3}$3-Eval：迈向真实且可复现的深度研究评估

HY-World 2.0：一种用于重建、生成与模拟 3D 世界的多模态 World Model

pi0.7：一种具有涌现能力的、可控的通用机器人 Foundation Model

GTR：引导式思维强化通过防止 RL 基础的 VLM Agent 训练中的思维崩溃（Thought Collapse）来提升性能

Large Language Models 的 Agent Skills：架构、获取、安全与未来路径

空间理论：Foundation Models 能否通过主动探索构建空间信念？

记忆迁移学习：Memory 在 Coding Agents 中是如何跨领域迁移的

OccuBench: 通过 Language World Models 在真实世界专业任务上评估 AI Agents

SpatialEvo：通过确定性几何环境实现自我演化的空间智能

RationalRewards：通过推理 Rewards 在训练与测试阶段共同提升视觉生成的 Scale

Seedance 2.0：提升应对世界复杂性的 Video Generation 能力

GameWorld：迈向多模态 Game Agents 标准化与可验证性的评估研究

通过 ScaleFormer 实现跨尺度 Pansharpening 以及 PanScale 基准测试

ParseBench：面向 AI Agents 的文档解析基准测试

存储智能 Agent

PROPELLA-1：面向大规模 LLM 数据策展的多属性文档标注

长上下文视觉文档理解中的内化推理机制

TurboQuant：具有近乎最优失真率的在线 Vector Quantization 方法

BERT-as-a-Judge：一种高效、稳健的参考式大语言模型评估方法，可替代传统词汇法

SPPO：用于长程推理任务的序列级PPO方法

屏幕上的图灵测试：移动端GUI智能体人性化评测基准