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

关于服务协议隐私政策
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

关于服务协议隐私政策
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

基于 Cache 的推理与有状态 Conformer：面向流式自动语音识别的研究

基于 Cache 的推理与有状态 Conformer：面向流式自动语音识别的研究

Vahid Noroozi, Somshubra Majumdar, Ankur Kumar, et al.

用于 3D 生成的原生且紧凑的结构化 Latents

用于 3D 生成的原生且紧凑的结构化 Latents

Jianfeng Xiang, Xiaoxue Chen, Sicheng Xu, et al.

连续音频语言模型

连续音频语言模型

Simon Rouard, Manu Orsini, Axel Roebel, et al.

在虚拟临床环境中演进交互式诊断 Agent

在虚拟临床环境中演进交互式诊断 Agent

Pengcheng Qiu, Chaoyi Wu, Junwei Liu, et al.

WeDLM：弥合扩散语言模型与标准因果注意力机制以实现快速推理

WeDLM：弥合扩散语言模型与标准因果注意力机制以实现快速推理

Aiwei Liu, Minghua He, Shaoxun Zeng, et al.

TurboDiffusion：通过100-200倍加速视频Diffusion模型

TurboDiffusion：通过100-200倍加速视频Diffusion模型

Jintao Zhang, Kaiwen Zheng, Kai Jiang, et al.

HunyuanVideo-Foley：基于表示对齐的多模态扩散模型用于高保真Foley音频生成

HunyuanVideo-Foley：基于表示对齐的多模态扩散模型用于高保真Foley音频生成

Sizhe Shan, Qiulin Li, Yutao Cui, et al.

Fara-7B：一种用于计算机使用的高效Agent模型

Fara-7B：一种用于计算机使用的高效Agent模型

Ahmed Awadallah, Yash Lara, Raghav Magazine, et al.

Fun-ASR 技术报告

Fun-ASR 技术报告

Keyu An, Yanni Chen, Zhigao Chen, et al.

利用Gemini加速科学研究：案例研究与常用技术

利用Gemini加速科学研究：案例研究与常用技术

David P. Woodruff, Vincent Cohen-Addad, Lalit Jain, et al.

通过策略拍卖实现小规模Agent的扩展

通过策略拍卖实现小规模Agent的扩展

Lisa Alazraki, William F. Shen, Yoram Bachrach, et al.

Vibe AIGC：通过智能体编排实现内容生成的新范式

Vibe AIGC：通过智能体编排实现内容生成的新范式

Jiaheng Liu, Yuanxing Zhang, Shihao Li, et al.

PaperSearchQA：基于RLVR的科学论文搜索与推理学习

PaperSearchQA：基于RLVR的科学论文搜索与推理学习

检索增强生成

James Burgess, Jan N. Hansen, Duo Peng, et al.

EgoActor：通过视觉-语言模型将任务规划嵌入空间感知的视角动作中以实现类人机器人

EgoActor：通过视觉-语言模型将任务规划嵌入空间感知的视角动作中以实现类人机器人

Yu Bai, MingMing Yu, Chaojie Li, et al.

A-RAG：通过分层检索接口实现智能体增强型检索生成的扩展

A-RAG：通过分层检索接口实现智能体增强型检索生成的扩展

检索增强生成

Mingxuan Du, Benfeng Xu, Chiwei Zhu, et al.

Quant VideoGen：通过2比特KV缓存量化实现自回归长视频生成

Quant VideoGen：通过2比特KV缓存量化实现自回归长视频生成

Haocheng Xi, Shuo Yang, Yilong Zhao, et al.

SoMA：一种用于机器人软体操作的真实到仿真神经模拟器

SoMA：一种用于机器人软体操作的真实到仿真神经模拟器

机器人技术

Mu Huang, Hui Wang, Kerui Ren, et al.

面向视角自适应的人体视频生成的3D感知隐式运动控制

面向视角自适应的人体视频生成的3D感知隐式运动控制

Zhixue Fang, Xu He, Songlin Tang, et al.

daVinci-Agency：高效解锁长周期代理数据

daVinci-Agency：高效解锁长周期代理数据

监督式微调

Mohan Jiang, Dayuan Fu, Junhao Shi, et al.

世界模型的研究并不仅仅是将世界知识注入特定任务中

世界模型的研究并不仅仅是将世界知识注入特定任务中

Bohan Zeng, Kaixin Zhu, Daili Hua, et al.

AOrchestra：面向智能体编排的子智能体自动生成

AOrchestra：面向智能体编排的子智能体自动生成

Jianhao Ruan, Zhihao Xu, Yiran Peng, et al.

思维链中缺乏全局规划：揭示LLM的潜在规划时域

思维链中缺乏全局规划：揭示LLM的潜在规划时域

Liyan Xu, Mo Yu, Fandong Meng, et al.

CodeOCR：视觉语言模型在代码理解中的有效性研究

CodeOCR：视觉语言模型在代码理解中的有效性研究

Yuling Shi, Chaoxiang Xie, Zhensu Sun, et al.

DeepPlanning：基于可验证约束的长时域Agent规划基准测试

DeepPlanning：基于可验证约束的长时域Agent规划基准测试

Yinger Zhang, Shutong Jiang, Renhao Li, et al.

CL-bench：上下文学习基准

CL-bench：上下文学习基准

Shihan Dou, Ming Zhang, Zhangyue Yin, et al.

基于自蒸馏的强化学习

基于自蒸馏的强化学习

检索增强生成

Jonas Hübotter, Frederike Lübeck, Lejs Behric, et al.

聊天机器人作为社交伴侣：人们如何感知机器的意识、类人程度以及社交健康益处

聊天机器人作为社交伴侣：人们如何感知机器的意识、类人程度以及社交健康益处

Rose E. Guingrich, Michael S. A. Graziano

POPE：通过特权在策略探索学习在难题上进行推理

POPE：通过特权在策略探索学习在难题上进行推理

Yuxiao Qu, Amrith Setlur, Virginia Smith, et al.

UniReason 1.0：面向世界知识对齐的图像生成与编辑的统一推理框架

UniReason 1.0：面向世界知识对齐的图像生成与编辑的统一推理框架

Dianyi Wang, Chaofan Ma, Feng Han, et al.

闭环闭环：基于RPG-Encoder的通用仓库表示

闭环闭环：基于RPG-Encoder的通用仓库表示

多模态表征

Jane Luo, Chengyu Yin, Xin Zhang, et al.

视觉-DeepResearch基准：重新思考多模态大语言模型中的视觉与文本搜索

视觉-DeepResearch基准：重新思考多模态大语言模型中的视觉与文本搜索

Yu Zeng, Wenxuan Huang, Zhen Fang, et al.

Vision-DeepResearch：在多模态大语言模型中激励深度研究能力

Vision-DeepResearch：在多模态大语言模型中激励深度研究能力

检索增强生成

Wenxuan Huang, Yu Zeng, Qiuchen Wang, et al.

基于 Cache 的推理与有状态 Conformer：面向流式自动语音识别的研究

基于 Cache 的推理与有状态 Conformer：面向流式自动语音识别的研究

Vahid Noroozi, Somshubra Majumdar, Ankur Kumar, et al.

用于 3D 生成的原生且紧凑的结构化 Latents

用于 3D 生成的原生且紧凑的结构化 Latents

Jianfeng Xiang, Xiaoxue Chen, Sicheng Xu, et al.

连续音频语言模型

连续音频语言模型

Simon Rouard, Manu Orsini, Axel Roebel, et al.

在虚拟临床环境中演进交互式诊断 Agent

在虚拟临床环境中演进交互式诊断 Agent

Pengcheng Qiu, Chaoyi Wu, Junwei Liu, et al.

WeDLM：弥合扩散语言模型与标准因果注意力机制以实现快速推理

WeDLM：弥合扩散语言模型与标准因果注意力机制以实现快速推理

Aiwei Liu, Minghua He, Shaoxun Zeng, et al.

TurboDiffusion：通过100-200倍加速视频Diffusion模型

TurboDiffusion：通过100-200倍加速视频Diffusion模型

Jintao Zhang, Kaiwen Zheng, Kai Jiang, et al.

HunyuanVideo-Foley：基于表示对齐的多模态扩散模型用于高保真Foley音频生成

HunyuanVideo-Foley：基于表示对齐的多模态扩散模型用于高保真Foley音频生成

Sizhe Shan, Qiulin Li, Yutao Cui, et al.

Fara-7B：一种用于计算机使用的高效Agent模型

Fara-7B：一种用于计算机使用的高效Agent模型

Ahmed Awadallah, Yash Lara, Raghav Magazine, et al.

Fun-ASR 技术报告

Fun-ASR 技术报告

Keyu An, Yanni Chen, Zhigao Chen, et al.

利用Gemini加速科学研究：案例研究与常用技术

利用Gemini加速科学研究：案例研究与常用技术

David P. Woodruff, Vincent Cohen-Addad, Lalit Jain, et al.

通过策略拍卖实现小规模Agent的扩展

通过策略拍卖实现小规模Agent的扩展

Lisa Alazraki, William F. Shen, Yoram Bachrach, et al.

Vibe AIGC：通过智能体编排实现内容生成的新范式

Vibe AIGC：通过智能体编排实现内容生成的新范式

Jiaheng Liu, Yuanxing Zhang, Shihao Li, et al.

PaperSearchQA：基于RLVR的科学论文搜索与推理学习

PaperSearchQA：基于RLVR的科学论文搜索与推理学习

检索增强生成

James Burgess, Jan N. Hansen, Duo Peng, et al.

EgoActor：通过视觉-语言模型将任务规划嵌入空间感知的视角动作中以实现类人机器人

EgoActor：通过视觉-语言模型将任务规划嵌入空间感知的视角动作中以实现类人机器人

Yu Bai, MingMing Yu, Chaojie Li, et al.

A-RAG：通过分层检索接口实现智能体增强型检索生成的扩展

A-RAG：通过分层检索接口实现智能体增强型检索生成的扩展

检索增强生成

Mingxuan Du, Benfeng Xu, Chiwei Zhu, et al.

Quant VideoGen：通过2比特KV缓存量化实现自回归长视频生成

Quant VideoGen：通过2比特KV缓存量化实现自回归长视频生成

Haocheng Xi, Shuo Yang, Yilong Zhao, et al.

SoMA：一种用于机器人软体操作的真实到仿真神经模拟器

SoMA：一种用于机器人软体操作的真实到仿真神经模拟器

机器人技术

Mu Huang, Hui Wang, Kerui Ren, et al.

面向视角自适应的人体视频生成的3D感知隐式运动控制

面向视角自适应的人体视频生成的3D感知隐式运动控制

Zhixue Fang, Xu He, Songlin Tang, et al.

daVinci-Agency：高效解锁长周期代理数据

daVinci-Agency：高效解锁长周期代理数据

监督式微调

Mohan Jiang, Dayuan Fu, Junhao Shi, et al.

世界模型的研究并不仅仅是将世界知识注入特定任务中

世界模型的研究并不仅仅是将世界知识注入特定任务中

Bohan Zeng, Kaixin Zhu, Daili Hua, et al.

AOrchestra：面向智能体编排的子智能体自动生成

AOrchestra：面向智能体编排的子智能体自动生成

Jianhao Ruan, Zhihao Xu, Yiran Peng, et al.

思维链中缺乏全局规划：揭示LLM的潜在规划时域

思维链中缺乏全局规划：揭示LLM的潜在规划时域

Liyan Xu, Mo Yu, Fandong Meng, et al.

CodeOCR：视觉语言模型在代码理解中的有效性研究

CodeOCR：视觉语言模型在代码理解中的有效性研究

Yuling Shi, Chaoxiang Xie, Zhensu Sun, et al.

DeepPlanning：基于可验证约束的长时域Agent规划基准测试

DeepPlanning：基于可验证约束的长时域Agent规划基准测试

Yinger Zhang, Shutong Jiang, Renhao Li, et al.

CL-bench：上下文学习基准

CL-bench：上下文学习基准

Shihan Dou, Ming Zhang, Zhangyue Yin, et al.

基于自蒸馏的强化学习

基于自蒸馏的强化学习

检索增强生成

Jonas Hübotter, Frederike Lübeck, Lejs Behric, et al.

聊天机器人作为社交伴侣：人们如何感知机器的意识、类人程度以及社交健康益处

聊天机器人作为社交伴侣：人们如何感知机器的意识、类人程度以及社交健康益处

Rose E. Guingrich, Michael S. A. Graziano

POPE：通过特权在策略探索学习在难题上进行推理

POPE：通过特权在策略探索学习在难题上进行推理

Yuxiao Qu, Amrith Setlur, Virginia Smith, et al.

UniReason 1.0：面向世界知识对齐的图像生成与编辑的统一推理框架

UniReason 1.0：面向世界知识对齐的图像生成与编辑的统一推理框架

Dianyi Wang, Chaofan Ma, Feng Han, et al.

闭环闭环：基于RPG-Encoder的通用仓库表示

闭环闭环：基于RPG-Encoder的通用仓库表示

多模态表征

Jane Luo, Chengyu Yin, Xin Zhang, et al.

视觉-DeepResearch基准：重新思考多模态大语言模型中的视觉与文本搜索

视觉-DeepResearch基准：重新思考多模态大语言模型中的视觉与文本搜索

Yu Zeng, Wenxuan Huang, Zhen Fang, et al.

Vision-DeepResearch：在多模态大语言模型中激励深度研究能力

Vision-DeepResearch：在多模态大语言模型中激励深度研究能力

检索增强生成

Wenxuan Huang, Yu Zeng, Qiuchen Wang, et al.