HyperAI

主区域

GPU

控制台
文档
价格

Pulse

报道

资源

论文
教程
数据集
百科

基准测试

SOTA
大语言模型（LLM）
GPU 排行榜

社区

活动

实用工具

关于服务条款隐私政策
中文

Command Palette

Search for a command to run...

HyperAI
论文

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

学习、理解、实践，与社区一起构建人工智能的未来

关于

关于我们数据集支持

产品

报道教程数据集百科

链接

TVM 中文 Apache TVM

© HyperAI

津ICP备17010941号-1

京公网安备11010502038810号

GitHub Discord X (formerly Twitter)Bilibili

HyperAI

主区域

GPU

控制台
文档
价格

Pulse

报道

资源

论文
教程
数据集
百科

基准测试

SOTA
大语言模型（LLM）
GPU 排行榜

社区

活动

实用工具

关于服务条款隐私政策
中文

Command Palette

Search for a command to run...

HyperAI
论文

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

学习、理解、实践，与社区一起构建人工智能的未来

关于

关于我们数据集支持

产品

报道教程数据集百科

链接

TVM 中文 Apache TVM

© HyperAI

津ICP备17010941号-1

京公网安备11010502038810号

GitHub Discord X (formerly Twitter)Bilibili

Soul：为数字人注入生命力以实现高保真长期多模态动画

Soul：为数字人注入生命力以实现高保真长期多模态动画

统一多模态

Jiangning Zhang, Junwei Zhu, Zhenye Gan, et al.

IF-Bench：基于生成视觉的红外图像MLLMs基准测试与增强

IF-Bench：基于生成视觉的红外图像MLLMs基准测试与增强

Tao Zhang, Yuyang Hong, Yang Xia, et al.

RecGPT-V2 技术报告

RecGPT-V2 技术报告

Chao Yi, Dian Chen, Gaoyang Guo, et al.

向量棱镜：通过分层语义结构实现向量图形的动画化

向量棱镜：通过分层语义结构实现向量图形的动画化

Jooyeol Yun, Jaegul Choo

OpenDataArena：用于评估后训练数据集价值的公平开放平台

OpenDataArena：用于评估后训练数据集价值的公平开放平台

Mengzhang Cai, Xin Gao, Yu Li, et al.

视频现实性测试：AI生成的ASMR视频能否欺骗视觉语言模型（VLMs）与人类？

视频现实性测试：AI生成的ASMR视频能否欺骗视觉语言模型（VLMs）与人类？

Jiaqi Wang, Weijia Wu, Yi Zhan, et al.

WorldPlay：迈向实时交互式世界建模的长期几何一致性

WorldPlay：迈向实时交互式世界建模的长期几何一致性

Wenqiang Sun, Haiyu Zhang, Haoyuan Wang, et al.

MMGR：多模态生成推理

MMGR：多模态生成推理

Zefan Cai, Haoyi Qiu, Tianyi Ma, et al.

前沿科学：评估AI执行专家级科学任务的能力

前沿科学：评估AI执行专家级科学任务的能力

Miles Wang, Joy Jiao, Neil Chowdhury, et al.

FACTS排行榜：大语言模型事实性综合基准

FACTS排行榜：大语言模型事实性综合基准

检索增强生成

Aileen Cheng, Alon Jacovi, Amir Globerson, et al.

Nemotron-Cascade：面向通用推理模型的级联强化学习扩展

Nemotron-Cascade：面向通用推理模型的级联强化学习扩展

Boxin Wang, Chankyu Lee, Nayeon Lee, et al.

KlingAvatar 2.0 技术报告

KlingAvatar 2.0 技术报告

Kling Team, Jialu Chen, Yikang Ding, et al.

QwenLong-L1.5：长上下文推理与记忆管理的后训练方案

QwenLong-L1.5：长上下文推理与记忆管理的后训练方案

监督式微调

Weizhou Shen, Ziyi Yang, Chenliang Li, et al.

ReFusion：一种具有并行自回归解码的扩散型大语言模型

ReFusion：一种具有并行自回归解码的扩散型大语言模型

Jia-Nan Li, Jian Guan, Wei Wu, et al.

无错误的线性注意力机制：从连续时间动力学中获得的精确解

无错误的线性注意力机制：从连续时间动力学中获得的精确解

Jingdi Lei, Di Zhang, Soujanya Poria

AI Agent时代中的记忆

AI Agent时代中的记忆

检索增强生成

Yuyang Hu, Shichun Liu, Yanwei Yue, et al.

LongVie 2：多模态可控超长视频世界模型

LongVie 2：多模态可控超长视频世界模型

Jianxiong Gao, Zhaoxi Chen, Xian Liu, et al.

FirstAidQA：面向低连接性环境的急救与应急响应合成数据集

FirstAidQA：面向低连接性环境的急救与应急响应合成数据集

监督式微调

Saiyma Sittul Muna, Rezwan Islam Salvi, Mushfiqur Rahman Mushfique, et al.

CUDA-L2：通过强化学习超越cuBLAS的矩阵乘法性能

CUDA-L2：通过强化学习超越cuBLAS的矩阵乘法性能

高性能计算

Songqiao Su, Xiaofei Sun, Xiaoya Li, et al.

X-VLA：作为可扩展跨具身视觉-语言-动作模型的软提示Transformer

X-VLA：作为可扩展跨具身视觉-语言-动作模型的软提示Transformer

机器人技术

Jinliang Zheng, Jianxiong Li, Zhihao Wang, et al.

Nemotron 3 Nano：面向Agent推理的开源、高效混合专家Mamba-Transformer模型

Nemotron 3 Nano：面向Agent推理的开源、高效混合专家Mamba-Transformer模型

监督式微调

基于追踪的结构：视频生成中的结构保持性运动知识蒸馏

基于追踪的结构：视频生成中的结构保持性运动知识蒸馏

Yang Fei, George Stoica, Jingyuan Liu, et al.

基于MetaCanvas的MLLM-Diffusion信息传递探索

基于MetaCanvas的MLLM-Diffusion信息传递探索

Han Lin, Xichen Pan, Ziqi Huang, et al.

PersonaLive！用于直播的生动肖像图像动画

PersonaLive！用于直播的生动肖像图像动画

Zhiyuan Li, Chi-Man Pun, Chen Fang, et al.

V-RGBX：基于内在属性精确控制的视频编辑

V-RGBX：基于内在属性精确控制的视频编辑

Ye Fang, Tong Wu, Valentin Deschaintre, et al.

SVG-T2I：在无需变分自编码器的情况下扩展文本到图像的潜在扩散模型

SVG-T2I：在无需变分自编码器的情况下扩展文本到图像的潜在扩散模型

Minglei Shi, Haolin Wang, Borui Zhang, et al.

DentalGPT：激励牙科领域的多模态复杂推理

DentalGPT：激励牙科领域的多模态复杂推理

多模态表征

Zhenyang Cai, Jiaming Zhang, Junjie Zhao, et al.

SSRB：对大规模异构半结构化数据的直接自然语言查询

SSRB：对大规模异构半结构化数据的直接自然语言查询

检索增强生成

自然语言处理

Xin Zhang, Mingxin Li, Yanzhao Zhang, et al.

MUVR：具有多层级视觉对应关系的多模态未剪辑视频检索基准

MUVR：具有多层级视觉对应关系的多模态未剪辑视频检索基准

多模态表征

Yue Feng, Jinwei Hu, Qijia Lu, et al.

在Veo世界模拟器中评估Gemini Robotics策略

在Veo世界模拟器中评估Gemini Robotics策略

机器人技术

Coline Devin, Yilun Du, Debidatta Dwibedi, et al.

MotionEdit：面向运动中心图像编辑的基准测试与学习

MotionEdit：面向运动中心图像编辑的基准测试与学习

Yixin Wan, Lei Ke, Wenhao Yu, et al.

通过复杂度增强强化学习实现奥运级几何大语言模型智能体

通过复杂度增强强化学习实现奥运级几何大语言模型智能体

Haiteng Zhao, Junhao Shen, Yiming Zhang, et al.

Soul：为数字人注入生命力以实现高保真长期多模态动画

Soul：为数字人注入生命力以实现高保真长期多模态动画

统一多模态

Jiangning Zhang, Junwei Zhu, Zhenye Gan, et al.

IF-Bench：基于生成视觉的红外图像MLLMs基准测试与增强

IF-Bench：基于生成视觉的红外图像MLLMs基准测试与增强

Tao Zhang, Yuyang Hong, Yang Xia, et al.

RecGPT-V2 技术报告

RecGPT-V2 技术报告

Chao Yi, Dian Chen, Gaoyang Guo, et al.

向量棱镜：通过分层语义结构实现向量图形的动画化

向量棱镜：通过分层语义结构实现向量图形的动画化

Jooyeol Yun, Jaegul Choo

OpenDataArena：用于评估后训练数据集价值的公平开放平台

OpenDataArena：用于评估后训练数据集价值的公平开放平台

Mengzhang Cai, Xin Gao, Yu Li, et al.

视频现实性测试：AI生成的ASMR视频能否欺骗视觉语言模型（VLMs）与人类？

视频现实性测试：AI生成的ASMR视频能否欺骗视觉语言模型（VLMs）与人类？

Jiaqi Wang, Weijia Wu, Yi Zhan, et al.

WorldPlay：迈向实时交互式世界建模的长期几何一致性

WorldPlay：迈向实时交互式世界建模的长期几何一致性

Wenqiang Sun, Haiyu Zhang, Haoyuan Wang, et al.

MMGR：多模态生成推理

MMGR：多模态生成推理

Zefan Cai, Haoyi Qiu, Tianyi Ma, et al.

前沿科学：评估AI执行专家级科学任务的能力

前沿科学：评估AI执行专家级科学任务的能力

Miles Wang, Joy Jiao, Neil Chowdhury, et al.

FACTS排行榜：大语言模型事实性综合基准

FACTS排行榜：大语言模型事实性综合基准

检索增强生成

Aileen Cheng, Alon Jacovi, Amir Globerson, et al.

Nemotron-Cascade：面向通用推理模型的级联强化学习扩展

Nemotron-Cascade：面向通用推理模型的级联强化学习扩展

Boxin Wang, Chankyu Lee, Nayeon Lee, et al.

KlingAvatar 2.0 技术报告

KlingAvatar 2.0 技术报告

Kling Team, Jialu Chen, Yikang Ding, et al.

QwenLong-L1.5：长上下文推理与记忆管理的后训练方案

QwenLong-L1.5：长上下文推理与记忆管理的后训练方案

监督式微调

Weizhou Shen, Ziyi Yang, Chenliang Li, et al.

ReFusion：一种具有并行自回归解码的扩散型大语言模型

ReFusion：一种具有并行自回归解码的扩散型大语言模型

Jia-Nan Li, Jian Guan, Wei Wu, et al.

无错误的线性注意力机制：从连续时间动力学中获得的精确解

无错误的线性注意力机制：从连续时间动力学中获得的精确解

Jingdi Lei, Di Zhang, Soujanya Poria

AI Agent时代中的记忆

AI Agent时代中的记忆

检索增强生成

Yuyang Hu, Shichun Liu, Yanwei Yue, et al.

LongVie 2：多模态可控超长视频世界模型

LongVie 2：多模态可控超长视频世界模型

Jianxiong Gao, Zhaoxi Chen, Xian Liu, et al.

FirstAidQA：面向低连接性环境的急救与应急响应合成数据集

FirstAidQA：面向低连接性环境的急救与应急响应合成数据集

监督式微调

Saiyma Sittul Muna, Rezwan Islam Salvi, Mushfiqur Rahman Mushfique, et al.

CUDA-L2：通过强化学习超越cuBLAS的矩阵乘法性能

CUDA-L2：通过强化学习超越cuBLAS的矩阵乘法性能

高性能计算

Songqiao Su, Xiaofei Sun, Xiaoya Li, et al.

X-VLA：作为可扩展跨具身视觉-语言-动作模型的软提示Transformer

X-VLA：作为可扩展跨具身视觉-语言-动作模型的软提示Transformer

机器人技术

Jinliang Zheng, Jianxiong Li, Zhihao Wang, et al.

Nemotron 3 Nano：面向Agent推理的开源、高效混合专家Mamba-Transformer模型

Nemotron 3 Nano：面向Agent推理的开源、高效混合专家Mamba-Transformer模型

监督式微调

基于追踪的结构：视频生成中的结构保持性运动知识蒸馏

基于追踪的结构：视频生成中的结构保持性运动知识蒸馏

Yang Fei, George Stoica, Jingyuan Liu, et al.

基于MetaCanvas的MLLM-Diffusion信息传递探索

基于MetaCanvas的MLLM-Diffusion信息传递探索

Han Lin, Xichen Pan, Ziqi Huang, et al.

PersonaLive！用于直播的生动肖像图像动画

PersonaLive！用于直播的生动肖像图像动画

Zhiyuan Li, Chi-Man Pun, Chen Fang, et al.

V-RGBX：基于内在属性精确控制的视频编辑

V-RGBX：基于内在属性精确控制的视频编辑

Ye Fang, Tong Wu, Valentin Deschaintre, et al.

SVG-T2I：在无需变分自编码器的情况下扩展文本到图像的潜在扩散模型

SVG-T2I：在无需变分自编码器的情况下扩展文本到图像的潜在扩散模型

Minglei Shi, Haolin Wang, Borui Zhang, et al.

DentalGPT：激励牙科领域的多模态复杂推理

DentalGPT：激励牙科领域的多模态复杂推理

多模态表征

Zhenyang Cai, Jiaming Zhang, Junjie Zhao, et al.

SSRB：对大规模异构半结构化数据的直接自然语言查询

SSRB：对大规模异构半结构化数据的直接自然语言查询

检索增强生成

自然语言处理

Xin Zhang, Mingxin Li, Yanzhao Zhang, et al.

MUVR：具有多层级视觉对应关系的多模态未剪辑视频检索基准

MUVR：具有多层级视觉对应关系的多模态未剪辑视频检索基准

多模态表征

Yue Feng, Jinwei Hu, Qijia Lu, et al.

在Veo世界模拟器中评估Gemini Robotics策略

在Veo世界模拟器中评估Gemini Robotics策略

机器人技术

Coline Devin, Yilun Du, Debidatta Dwibedi, et al.

MotionEdit：面向运动中心图像编辑的基准测试与学习

MotionEdit：面向运动中心图像编辑的基准测试与学习

Yixin Wan, Lei Ke, Wenhao Yu, et al.

通过复杂度增强强化学习实现奥运级几何大语言模型智能体

通过复杂度增强强化学习实现奥运级几何大语言模型智能体

Haiteng Zhao, Junhao Shen, Yiming Zhang, et al.