Command Palette
Search for a command to run...
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

PrivateXR:通过可解释AI引导的差分隐私防御扩展现实中的隐私攻击

时间摩擦与司法结果:基于2020—2024年库克县刑事判决中时间延迟影响的分析































PrivateXR:通过可解释AI引导的差分隐私防御扩展现实中的隐私攻击

时间摩擦与司法结果:基于2020—2024年库克县刑事判决中时间延迟影响的分析






























元强化学习在语言智能体中激发探索行为
LLMCache:面向Transformer推理中加速复用的分层缓存策略
OPENTOUCH:将全手触觉带入现实世界交互
VideoRewardBench:面向视频理解的多模态Reward模型综合评估
Soul:为数字人注入生命力以实现高保真长期多模态动画
IF-Bench:基于生成视觉的红外图像MLLMs基准测试与增强
RecGPT-V2 技术报告
向量棱镜:通过分层语义结构实现向量图形的动画化
OpenDataArena:用于评估后训练数据集价值的公平开放平台
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?
WorldPlay:迈向实时交互式世界建模的长期几何一致性
MMGR:多模态生成推理
前沿科学:评估AI执行专家级科学任务的能力
FACTS排行榜:大语言模型事实性综合基准
Nemotron-Cascade:面向通用推理模型的级联强化学习扩展
KlingAvatar 2.0 技术报告
QwenLong-L1.5:长上下文推理与记忆管理的后训练方案
ReFusion:一种具有并行自回归解码的扩散型大语言模型
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
AI Agent时代中的记忆
LongVie 2:多模态可控超长视频世界模型
FirstAidQA:面向低连接性环境的急救与应急响应合成数据集
CUDA-L2:通过强化学习超越cuBLAS的矩阵乘法性能
X-VLA:作为可扩展跨具身视觉-语言-动作模型的软提示Transformer
Nemotron 3 Nano:面向Agent推理的开源、高效混合专家Mamba-Transformer模型
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MetaCanvas的MLLM-Diffusion信息传递探索
PersonaLive!用于直播的生动肖像图像动画
V-RGBX:基于内在属性精确控制的视频编辑
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
元强化学习在语言智能体中激发探索行为
LLMCache:面向Transformer推理中加速复用的分层缓存策略
OPENTOUCH:将全手触觉带入现实世界交互
VideoRewardBench:面向视频理解的多模态Reward模型综合评估
Soul:为数字人注入生命力以实现高保真长期多模态动画
IF-Bench:基于生成视觉的红外图像MLLMs基准测试与增强
RecGPT-V2 技术报告
向量棱镜:通过分层语义结构实现向量图形的动画化
OpenDataArena:用于评估后训练数据集价值的公平开放平台
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?
WorldPlay:迈向实时交互式世界建模的长期几何一致性
MMGR:多模态生成推理
前沿科学:评估AI执行专家级科学任务的能力
FACTS排行榜:大语言模型事实性综合基准
Nemotron-Cascade:面向通用推理模型的级联强化学习扩展
KlingAvatar 2.0 技术报告
QwenLong-L1.5:长上下文推理与记忆管理的后训练方案
ReFusion:一种具有并行自回归解码的扩散型大语言模型
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
AI Agent时代中的记忆
LongVie 2:多模态可控超长视频世界模型
FirstAidQA:面向低连接性环境的急救与应急响应合成数据集
CUDA-L2:通过强化学习超越cuBLAS的矩阵乘法性能
X-VLA:作为可扩展跨具身视觉-语言-动作模型的软提示Transformer
Nemotron 3 Nano:面向Agent推理的开源、高效混合专家Mamba-Transformer模型
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MetaCanvas的MLLM-Diffusion信息传递探索
PersonaLive!用于直播的生动肖像图像动画
V-RGBX:基于内在属性精确控制的视频编辑
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