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

OmniSVG：一种统一的可扩展矢量图形生成模型

OmniSVG：一种统一的可扩展矢量图形生成模型

Yiying Yang, Wei Cheng, Sijin Chen, et al.

算法思维理论

算法思维理论

MohammadHossein Bateni, Vincent Cohen-Addad, Yuzhou Gu, et al.

机器人世界模型：用于机器人鲁棒策略优化的神经网络模拟器

机器人世界模型：用于机器人鲁棒策略优化的神经网络模拟器

机器人技术

Chenhao Li, Andreas Krause, Marco Hutter

奖励强制：基于奖励分布匹配蒸馏的高效流式视频生成

奖励强制：基于奖励分布匹配蒸馏的高效流式视频生成

Yunhong Lu, Yanhong Zeng, Haobo Li, et al.

语义引领方向：通过异步潜在扩散实现语义与纹理建模的协同

语义引领方向：通过异步潜在扩散实现语义与纹理建模的协同

Yueming Pan, Ruoyu Feng, Qi Dai, et al.

ARM-Thinker：通过智能体工具使用与视觉推理强化多模态生成式奖励模型

ARM-Thinker：通过智能体工具使用与视觉推理强化多模态生成式奖励模型

Shengyuan Ding, Xinyu Fang, Ziyu Liu, et al.

Nex-N1：通过统一生态系统训练的智能体模型，用于大规模环境构建

Nex-N1：通过统一生态系统训练的智能体模型，用于大规模环境构建

Nex-AGI Team, Yuxuan Cai, Lu Chen, et al.

DAComp：面向数据智能全生命周期的数据Agent基准测试

DAComp：面向数据智能全生命周期的数据Agent基准测试

Fangyu Lei, Jinxiang Meng, Yiming Huang, et al.

实时虚拟形象：基于实时音频驱动的无限长度虚拟形象生成

实时虚拟形象：基于实时音频驱动的无限长度虚拟形象生成

Yubo Huang, Hailong Guo, Fangtai Wu, et al.

F5-TTS：一种通过流匹配实现流畅且忠实语音伪造的童话讲述者

F5-TTS：一种通过流匹配实现流畅且忠实语音伪造的童话讲述者

Yushen Chen, Zhikang Niu, Ziyang Ma, et al.

VOccl3D：一种用于真实遮挡下3D人体姿态与形状估计的视频基准数据集

VOccl3D：一种用于真实遮挡下3D人体姿态与形状估计的视频基准数据集

Yash Garg, Saketh Bachu, Arindam Dutta, et al.

Alpamayo-R1：面向长尾场景下可泛化的自动驾驶，连接推理与行为预测

Alpamayo-R1：面向长尾场景下可泛化的自动驾驶，连接推理与行为预测

NVIDIA, Yulong Cao, Tong Che, et al.

环环相扣：一场关于测试时记忆、注意力偏差、保留与在线优化的探索之旅

环环相扣：一场关于测试时记忆、注意力偏差、保留与在线优化的探索之旅

Ali Behrouz, Meisam Razaviyayn, Peilin Zhong, et al.

重新思考文本到视觉生成中推理时扩展的提示设计

重新思考文本到视觉生成中推理时扩展的提示设计

Subin Kim, Sangwoo Mo, Mamshad Nayeem Rizve, et al.

作为反探索的视觉-语言-动作模型引导：一种测试时扩展方法

作为反探索的视觉-语言-动作模型引导：一种测试时扩展方法

统一多模态

监督式微调

Siyuan Yang, Yang Zhang, Haoran He, et al.

OneThinker：面向图像与视频的全功能推理模型

OneThinker：面向图像与视频的全功能推理模型

多任务学习

Kaituo Feng, Manyuan Zhang, Hongyu Li, et al.

ViDiC：视频差异描述

ViDiC：视频差异描述

Jiangtao Wu, Shihao Li, Zhaozhou Bian, et al.

PretrainZero：强化主动预训练

PretrainZero：强化主动预训练

Xingrun Xing, Zhiyuan Fan, Jie Lou, et al.

每个Token都至关重要：在大型语言模型中泛化16M超长上下文

每个Token都至关重要：在大型语言模型中泛化16M超长上下文

Xiang Hu, Zhanchao Zhou, Ruiqi Liang, et al.

SimScale：通过大规模真实世界仿真学习驾驶

SimScale：通过大规模真实世界仿真学习驾驶

Haochen Tian, Tianyu Li, Haochen Liu, et al.

Skywork-R1V4：通过图像与DeepResearch的交织思维迈向智能多模态代理

Skywork-R1V4：通过图像与DeepResearch的交织思维迈向智能多模态代理

检索增强生成

Yifan Zhang, Liang Hu, Haofeng Sun, et al.

基于最小人类监督的引导式自进化LLM

基于最小人类监督的引导式自进化LLM

Wenhao Yu, Zhenwen Liang, Chengsong Huang, et al.

MultiShotMaster：一种可控制的多镜头视频生成框架

MultiShotMaster：一种可控制的多镜头视频生成框架

Qinghe Wang, Xiaoyu Shi, Baolu Li, et al.

MG-Nav：通过稀疏空间记忆实现的双尺度视觉导航

MG-Nav：通过稀疏空间记忆实现的双尺度视觉导航

计算机视觉

Bo Wang, Jiehong Lin, Chenzhi Liu, et al.

一致性评论者：通过参考引导的注意力对齐修正生成图像中的不一致性

一致性评论者：通过参考引导的注意力对齐修正生成图像中的不一致性

Ziheng Ouyang, Yiren Song, Yaoli Liu, et al.

我们距离真正有用的深度研究Agent还有多远？

我们距离真正有用的深度研究Agent还有多远？

Dingling Zhang, He Zhu, Jincheng Ren, et al.

基于LLM的强化学习稳定性优化：方法与实践

基于LLM的强化学习稳定性优化：方法与实践

Chujie Zheng, Kai Dang, Bowen Yu, et al.

Envision：面向因果世界过程洞察的统一理解与生成基准测试

Envision：面向因果世界过程洞察的统一理解与生成基准测试

统一多模态

Juanxi Tian, Siyuan Li, Conghui He, et al.

LongVT：通过原生工具调用激励“以长视频进行思考”

LongVT：通过原生工具调用激励“以长视频进行思考”

Zuhao Yang, Sudong Wang, Kaichen Zhang, et al.

从代码基础模型到Agent与应用：代码智能实用指南

从代码基础模型到Agent与应用：代码智能实用指南

监督式微调

Jian Yang, Wei Zhang, Shark Liu, et al.

基于物理驱动的时空建模用于AI生成视频检测

基于物理驱动的时空建模用于AI生成视频检测

Shuhai Zhang, ZiHao Lian, Jiahao Yang, et al.

Mem-α：通过强化学习学习记忆构建

Mem-α：通过强化学习学习记忆构建

Yu Wang, Ryuichi Takanobu, Zhiqi Liang, et al.

OmniSVG：一种统一的可扩展矢量图形生成模型

OmniSVG：一种统一的可扩展矢量图形生成模型

Yiying Yang, Wei Cheng, Sijin Chen, et al.

算法思维理论

算法思维理论

MohammadHossein Bateni, Vincent Cohen-Addad, Yuzhou Gu, et al.

机器人世界模型：用于机器人鲁棒策略优化的神经网络模拟器

机器人世界模型：用于机器人鲁棒策略优化的神经网络模拟器

机器人技术

Chenhao Li, Andreas Krause, Marco Hutter

奖励强制：基于奖励分布匹配蒸馏的高效流式视频生成

奖励强制：基于奖励分布匹配蒸馏的高效流式视频生成

Yunhong Lu, Yanhong Zeng, Haobo Li, et al.

语义引领方向：通过异步潜在扩散实现语义与纹理建模的协同

语义引领方向：通过异步潜在扩散实现语义与纹理建模的协同

Yueming Pan, Ruoyu Feng, Qi Dai, et al.

ARM-Thinker：通过智能体工具使用与视觉推理强化多模态生成式奖励模型

ARM-Thinker：通过智能体工具使用与视觉推理强化多模态生成式奖励模型

Shengyuan Ding, Xinyu Fang, Ziyu Liu, et al.

Nex-N1：通过统一生态系统训练的智能体模型，用于大规模环境构建

Nex-N1：通过统一生态系统训练的智能体模型，用于大规模环境构建

Nex-AGI Team, Yuxuan Cai, Lu Chen, et al.

DAComp：面向数据智能全生命周期的数据Agent基准测试

DAComp：面向数据智能全生命周期的数据Agent基准测试

Fangyu Lei, Jinxiang Meng, Yiming Huang, et al.

实时虚拟形象：基于实时音频驱动的无限长度虚拟形象生成

实时虚拟形象：基于实时音频驱动的无限长度虚拟形象生成

Yubo Huang, Hailong Guo, Fangtai Wu, et al.

F5-TTS：一种通过流匹配实现流畅且忠实语音伪造的童话讲述者

F5-TTS：一种通过流匹配实现流畅且忠实语音伪造的童话讲述者

Yushen Chen, Zhikang Niu, Ziyang Ma, et al.

VOccl3D：一种用于真实遮挡下3D人体姿态与形状估计的视频基准数据集

VOccl3D：一种用于真实遮挡下3D人体姿态与形状估计的视频基准数据集

Yash Garg, Saketh Bachu, Arindam Dutta, et al.

Alpamayo-R1：面向长尾场景下可泛化的自动驾驶，连接推理与行为预测

Alpamayo-R1：面向长尾场景下可泛化的自动驾驶，连接推理与行为预测

NVIDIA, Yulong Cao, Tong Che, et al.

环环相扣：一场关于测试时记忆、注意力偏差、保留与在线优化的探索之旅

环环相扣：一场关于测试时记忆、注意力偏差、保留与在线优化的探索之旅

Ali Behrouz, Meisam Razaviyayn, Peilin Zhong, et al.

重新思考文本到视觉生成中推理时扩展的提示设计

重新思考文本到视觉生成中推理时扩展的提示设计

Subin Kim, Sangwoo Mo, Mamshad Nayeem Rizve, et al.

作为反探索的视觉-语言-动作模型引导：一种测试时扩展方法

作为反探索的视觉-语言-动作模型引导：一种测试时扩展方法

统一多模态

监督式微调

Siyuan Yang, Yang Zhang, Haoran He, et al.

OneThinker：面向图像与视频的全功能推理模型

OneThinker：面向图像与视频的全功能推理模型

多任务学习

Kaituo Feng, Manyuan Zhang, Hongyu Li, et al.

ViDiC：视频差异描述

ViDiC：视频差异描述

Jiangtao Wu, Shihao Li, Zhaozhou Bian, et al.

PretrainZero：强化主动预训练

PretrainZero：强化主动预训练

Xingrun Xing, Zhiyuan Fan, Jie Lou, et al.

每个Token都至关重要：在大型语言模型中泛化16M超长上下文

每个Token都至关重要：在大型语言模型中泛化16M超长上下文

Xiang Hu, Zhanchao Zhou, Ruiqi Liang, et al.

SimScale：通过大规模真实世界仿真学习驾驶

SimScale：通过大规模真实世界仿真学习驾驶

Haochen Tian, Tianyu Li, Haochen Liu, et al.

Skywork-R1V4：通过图像与DeepResearch的交织思维迈向智能多模态代理

Skywork-R1V4：通过图像与DeepResearch的交织思维迈向智能多模态代理

检索增强生成

Yifan Zhang, Liang Hu, Haofeng Sun, et al.

基于最小人类监督的引导式自进化LLM

基于最小人类监督的引导式自进化LLM

Wenhao Yu, Zhenwen Liang, Chengsong Huang, et al.

MultiShotMaster：一种可控制的多镜头视频生成框架

MultiShotMaster：一种可控制的多镜头视频生成框架

Qinghe Wang, Xiaoyu Shi, Baolu Li, et al.

MG-Nav：通过稀疏空间记忆实现的双尺度视觉导航

MG-Nav：通过稀疏空间记忆实现的双尺度视觉导航

计算机视觉

Bo Wang, Jiehong Lin, Chenzhi Liu, et al.

一致性评论者：通过参考引导的注意力对齐修正生成图像中的不一致性

一致性评论者：通过参考引导的注意力对齐修正生成图像中的不一致性

Ziheng Ouyang, Yiren Song, Yaoli Liu, et al.

我们距离真正有用的深度研究Agent还有多远？

我们距离真正有用的深度研究Agent还有多远？

Dingling Zhang, He Zhu, Jincheng Ren, et al.

基于LLM的强化学习稳定性优化：方法与实践

基于LLM的强化学习稳定性优化：方法与实践

Chujie Zheng, Kai Dang, Bowen Yu, et al.

Envision：面向因果世界过程洞察的统一理解与生成基准测试

Envision：面向因果世界过程洞察的统一理解与生成基准测试

统一多模态

Juanxi Tian, Siyuan Li, Conghui He, et al.

LongVT：通过原生工具调用激励“以长视频进行思考”

LongVT：通过原生工具调用激励“以长视频进行思考”

Zuhao Yang, Sudong Wang, Kaichen Zhang, et al.

从代码基础模型到Agent与应用：代码智能实用指南

从代码基础模型到Agent与应用：代码智能实用指南

监督式微调

Jian Yang, Wei Zhang, Shark Liu, et al.

基于物理驱动的时空建模用于AI生成视频检测

基于物理驱动的时空建模用于AI生成视频检测

Shuhai Zhang, ZiHao Lian, Jiahao Yang, et al.

Mem-α：通过强化学习学习记忆构建

Mem-α：通过强化学习学习记忆构建

Yu Wang, Ryuichi Takanobu, Zhiqi Liang, et al.