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

UniVerse-1：通过专家拼接实现统一的音视频生成

UniVerse-1：通过专家拼接实现统一的音视频生成

统一多模态

Duomin Wang, Wei Zuo, Aojie Li, et al.

基础模型在逐步具身推理中的表现如何？

基础模型在逐步具身推理中的表现如何？

Dinura Dissanayake, Ahmed Heakl, Omkar Thawakar, et al.

脉冲脑技术报告：脉冲脑启发的大规模模型

脉冲脑技术报告：脉冲脑启发的大规模模型

Yuqi Pan, Yupeng Feng, Jinghao Zhuang, et al.

SAGE：语义理解的现实基准

SAGE：语义理解的现实基准

Samarth Goel, Reagan J. Lee, Kannan Ramchandran

WAVECLIP：小波Token化用于自适应分辨率CLIP

WAVECLIP：小波Token化用于自适应分辨率CLIP

Moshe Kimhi, Erez Koifman, Ehud Rivlin, et al.

EmbeddingGemma：强大且轻量的文本表示

EmbeddingGemma：强大且轻量的文本表示

Henrique Schechter Vera, Sahil Dua, Biao Zhang, et al.

通过GRPO提升语音感知语言模型中的语音理解能力

通过GRPO提升语音感知语言模型中的语音理解能力

监督式微调

Avishai Elmakies, Hagai Aronowitz, Nimrod Shabtay, et al.

VLMs 距离视觉空间智能还有多远？一项基准驱动的视角

VLMs 距离视觉空间智能还有多远？一项基准驱动的视角

Songsong Yu, Yuxin Chen, Hao Ju, et al.

SIM-CoT：监督式隐式思维链

SIM-CoT：监督式隐式思维链

监督式微调

Xilin Wei, Xiaoran Liu, Yuhang Zang, et al.

SWE-QA：语言模型能否回答仓库级代码问题？

SWE-QA：语言模型能否回答仓库级代码问题？

Weihan Peng, Yuling Shi, Yuhang Wang, et al.

视频模型是零样本学习者和推理者

视频模型是零样本学习者和推理者

Thaddäus Wiedemer, Yuxuan Li, Paul Vicol, et al.

用于机械工程分析问题关键求解的N-Plus-1 GPT Agent

用于机械工程分析问题关键求解的N-Plus-1 GPT Agent

Anthony Patera, Rohan Abeyaratne

Memory-QA：基于多模态记忆的回忆问答

Memory-QA：基于多模态记忆的回忆问答

检索增强生成

Hongda Jiang, Xinyuan Zhang, Siddhant Garg, et al.

MAPO：混合优势策略优化

MAPO：混合优势策略优化

Wenke Huang, Quan Zhang, Yiyang Fang, et al.

Hyper-Bagel：一种用于多模态理解与生成的统一加速框架

Hyper-Bagel：一种用于多模态理解与生成的统一加速框架

统一多模态

Yanzuo Lu, Xin Xia, Manlin Zhang, et al.

预训练数据上的强化学习

预训练数据上的强化学习

Siheng Li, Kejiao Li, Zenan Xu, et al.

视觉运动策略中是否需要本体感觉状态？

视觉运动策略中是否需要本体感觉状态？

机器人技术

Juntu Zhao, Wenbo Lu, Di Zhang, et al.

Baseer：用于阿拉伯文文档到Markdown OCR的视觉-语言模型

Baseer：用于阿拉伯文文档到Markdown OCR的视觉-语言模型

Khalil Hennara, Muhammad Hreden, Mohamed Motasim Hamed, et al.

GenExam：跨学科文本到图像测评

GenExam：跨学科文本到图像测评

Zhaokai Wang, Penghao Yin, Xiangyu Zhao, et al.

Nav-R1：具身场景中的推理与导航

Nav-R1：具身场景中的推理与导航

Qingxiang Liu, Ting Huang, Zeyu Zhang, et al.

MoEs 比你想象的更强大：基于 RoE 的超并行推理扩展

MoEs 比你想象的更强大：基于 RoE 的超并行推理扩展

Soheil Zibakhsh, Mohammad Samragh, Kumari Nishu, et al.

ARE：扩展Agent环境与评估

ARE：扩展Agent环境与评估

Pierre Andrews, Amine Benhalloum, Gerard Moreno-Torres Bertran, et al.

DiffusionNFT：基于前向过程的在线扩散强化

DiffusionNFT：基于前向过程的在线扩散强化

Kaiwen Zheng, Huayu Chen, Haotian Ye, et al.

TempSamp-R1：面向视频LLM的强化微调有效时间采样

TempSamp-R1：面向视频LLM的强化微调有效时间采样

Yunheng Li, Jing Cheng, Shaoyong Jia, et al.

OnePiece：将上下文工程与推理引入工业级级联排序系统

OnePiece：将上下文工程与推理引入工业级级联排序系统

多任务学习

Sunhao Dai, Jiakai Tang, Jiahua Wu, et al.

OmniInsert：通过扩散Transformer模型实现无掩码的任意参考视频插入

OmniInsert：通过扩散Transformer模型实现无掩码的任意参考视频插入

Jinshu Chen, Xinghui Li, Xu Bai, et al.

LIMI：Agent的少即是多

LIMI：Agent的少即是多

Yang Xiao, Mohan Jiang, Jie Sun, et al.

一种模块化融合神经网络方法，用于高效预测蛋白质序列中的多金属结合位点

一种模块化融合神经网络方法，用于高效预测蛋白质序列中的多金属结合位点

卷积神经网络

JIZHENG LI, CHANGXIN FAN, Hoi Ying LAU, et al.

IndexTTS2：在情感表达丰富且时长可控的自回归零样本文本转语音领域的突破

IndexTTS2：在情感表达丰富且时长可控的自回归零样本文本转语音领域的突破

Siyi Zhou, Yiquan Zhou, Yi He, et al.

直接对齐完整扩散轨迹与细粒度人类偏好

直接对齐完整扩散轨迹与细粒度人类偏好

Xiangwei Shen, Zhimin Li, Zhantao Yang, et al.

用于药物-药物相互作用预测的多尺度图神经过程与跨药物共注意力机制

用于药物-药物相互作用预测的多尺度图神经过程与跨药物共注意力机制

Zimo Yan, Jie Zhang, Zheng Xie, et al.

GenCAD-3D：基于多模态潜在空间对齐与合成数据集平衡的CAD程序生成

GenCAD-3D：基于多模态潜在空间对齐与合成数据集平衡的CAD程序生成

Nomi Yu, Md Ferdous Alam, A. John Hart, et al.

UniVerse-1：通过专家拼接实现统一的音视频生成

UniVerse-1：通过专家拼接实现统一的音视频生成

统一多模态

Duomin Wang, Wei Zuo, Aojie Li, et al.

基础模型在逐步具身推理中的表现如何？

基础模型在逐步具身推理中的表现如何？

Dinura Dissanayake, Ahmed Heakl, Omkar Thawakar, et al.

脉冲脑技术报告：脉冲脑启发的大规模模型

脉冲脑技术报告：脉冲脑启发的大规模模型

Yuqi Pan, Yupeng Feng, Jinghao Zhuang, et al.

SAGE：语义理解的现实基准

SAGE：语义理解的现实基准

Samarth Goel, Reagan J. Lee, Kannan Ramchandran

WAVECLIP：小波Token化用于自适应分辨率CLIP

WAVECLIP：小波Token化用于自适应分辨率CLIP

Moshe Kimhi, Erez Koifman, Ehud Rivlin, et al.

EmbeddingGemma：强大且轻量的文本表示

EmbeddingGemma：强大且轻量的文本表示

Henrique Schechter Vera, Sahil Dua, Biao Zhang, et al.

通过GRPO提升语音感知语言模型中的语音理解能力

通过GRPO提升语音感知语言模型中的语音理解能力

监督式微调

Avishai Elmakies, Hagai Aronowitz, Nimrod Shabtay, et al.

VLMs 距离视觉空间智能还有多远？一项基准驱动的视角

VLMs 距离视觉空间智能还有多远？一项基准驱动的视角

Songsong Yu, Yuxin Chen, Hao Ju, et al.

SIM-CoT：监督式隐式思维链

SIM-CoT：监督式隐式思维链

监督式微调

Xilin Wei, Xiaoran Liu, Yuhang Zang, et al.

SWE-QA：语言模型能否回答仓库级代码问题？

SWE-QA：语言模型能否回答仓库级代码问题？

Weihan Peng, Yuling Shi, Yuhang Wang, et al.

视频模型是零样本学习者和推理者

视频模型是零样本学习者和推理者

Thaddäus Wiedemer, Yuxuan Li, Paul Vicol, et al.

用于机械工程分析问题关键求解的N-Plus-1 GPT Agent

用于机械工程分析问题关键求解的N-Plus-1 GPT Agent

Anthony Patera, Rohan Abeyaratne

Memory-QA：基于多模态记忆的回忆问答

Memory-QA：基于多模态记忆的回忆问答

检索增强生成

Hongda Jiang, Xinyuan Zhang, Siddhant Garg, et al.

MAPO：混合优势策略优化

MAPO：混合优势策略优化

Wenke Huang, Quan Zhang, Yiyang Fang, et al.

Hyper-Bagel：一种用于多模态理解与生成的统一加速框架

Hyper-Bagel：一种用于多模态理解与生成的统一加速框架

统一多模态

Yanzuo Lu, Xin Xia, Manlin Zhang, et al.

预训练数据上的强化学习

预训练数据上的强化学习

Siheng Li, Kejiao Li, Zenan Xu, et al.

视觉运动策略中是否需要本体感觉状态？

视觉运动策略中是否需要本体感觉状态？

机器人技术

Juntu Zhao, Wenbo Lu, Di Zhang, et al.

Baseer：用于阿拉伯文文档到Markdown OCR的视觉-语言模型

Baseer：用于阿拉伯文文档到Markdown OCR的视觉-语言模型

Khalil Hennara, Muhammad Hreden, Mohamed Motasim Hamed, et al.

GenExam：跨学科文本到图像测评

GenExam：跨学科文本到图像测评

Zhaokai Wang, Penghao Yin, Xiangyu Zhao, et al.

Nav-R1：具身场景中的推理与导航

Nav-R1：具身场景中的推理与导航

Qingxiang Liu, Ting Huang, Zeyu Zhang, et al.

MoEs 比你想象的更强大：基于 RoE 的超并行推理扩展

MoEs 比你想象的更强大：基于 RoE 的超并行推理扩展

Soheil Zibakhsh, Mohammad Samragh, Kumari Nishu, et al.

ARE：扩展Agent环境与评估

ARE：扩展Agent环境与评估

Pierre Andrews, Amine Benhalloum, Gerard Moreno-Torres Bertran, et al.

DiffusionNFT：基于前向过程的在线扩散强化

DiffusionNFT：基于前向过程的在线扩散强化

Kaiwen Zheng, Huayu Chen, Haotian Ye, et al.

TempSamp-R1：面向视频LLM的强化微调有效时间采样

TempSamp-R1：面向视频LLM的强化微调有效时间采样

Yunheng Li, Jing Cheng, Shaoyong Jia, et al.

OnePiece：将上下文工程与推理引入工业级级联排序系统

OnePiece：将上下文工程与推理引入工业级级联排序系统

多任务学习

Sunhao Dai, Jiakai Tang, Jiahua Wu, et al.

OmniInsert：通过扩散Transformer模型实现无掩码的任意参考视频插入

OmniInsert：通过扩散Transformer模型实现无掩码的任意参考视频插入

Jinshu Chen, Xinghui Li, Xu Bai, et al.

LIMI：Agent的少即是多

LIMI：Agent的少即是多

Yang Xiao, Mohan Jiang, Jie Sun, et al.

一种模块化融合神经网络方法，用于高效预测蛋白质序列中的多金属结合位点

一种模块化融合神经网络方法，用于高效预测蛋白质序列中的多金属结合位点

卷积神经网络

JIZHENG LI, CHANGXIN FAN, Hoi Ying LAU, et al.

IndexTTS2：在情感表达丰富且时长可控的自回归零样本文本转语音领域的突破

IndexTTS2：在情感表达丰富且时长可控的自回归零样本文本转语音领域的突破

Siyi Zhou, Yiquan Zhou, Yi He, et al.

直接对齐完整扩散轨迹与细粒度人类偏好

直接对齐完整扩散轨迹与细粒度人类偏好

Xiangwei Shen, Zhimin Li, Zhantao Yang, et al.

用于药物-药物相互作用预测的多尺度图神经过程与跨药物共注意力机制

用于药物-药物相互作用预测的多尺度图神经过程与跨药物共注意力机制

Zimo Yan, Jie Zhang, Zheng Xie, et al.

GenCAD-3D：基于多模态潜在空间对齐与合成数据集平衡的CAD程序生成

GenCAD-3D：基于多模态潜在空间对齐与合成数据集平衡的CAD程序生成

Nomi Yu, Md Ferdous Alam, A. John Hart, et al.