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

OpenS2S：推进开源端到端共情大语言模型

OpenS2S：推进开源端到端共情大语言模型

音频和语音处理

Chen Wang, Tianyu Peng, Wen Yang, et al.

Point3R：具有显式空间指针内存的流式3D重建

Point3R：具有显式空间指针内存的流式3D重建

机器视觉 3D

Yuqi Wu, Wenzhao Zheng, Jie Zhou, et al.

多级逐步提示增强强化学习推理能力

多级逐步提示增强强化学习推理能力

Kaiyi Zhang, Ang Lv, Jinpeng Li, et al.

建立构建严谨能动性基准的最佳实践

建立构建严谨能动性基准的最佳实践

Yuxuan Zhu, Tengjun Jin, Yada Pruksachatkun, et al.

GPT-4o 对视觉理解得如何？评估多模态基础模型在标准计算机视觉任务上的表现

GPT-4o 对视觉理解得如何？评估多模态基础模型在标准计算机视觉任务上的表现

Rahul Ramachandran, Ali Garjani, Roman Bachmann, et al.

Eka-Eval：印度语言大型语言模型的综合评估框架

Eka-Eval：印度语言大型语言模型的综合评估框架

Samridhi Raj Sinha, Rajvee Sheth, Abhishek Upperwal, et al.

DynamiCare：一种动态多智能体框架用于交互式和开放式医疗决策制定

DynamiCare：一种动态多智能体框架用于交互式和开放式医疗决策制定

Tianqi Shang, Weiqing He, Charles Zheng, et al.

基于能量的 Transformer 是可扩展的学习者和思考者

基于能量的 Transformer 是可扩展的学习者和思考者

计算机视觉

Alexi Gladstone, Ganesh Nanduru, Md Mofijul Islam, et al.

IntFold：一种可控的基础模型用于通用和专业的生物分子结构预测

IntFold：一种可控的基础模型用于通用和专业的生物分子结构预测

The IntFold Team, Leon Qiao, Wayne Bai, et al.

倾听内心的声音：通过中间特征反馈对齐ControlNet训练

倾听内心的声音：通过中间特征反馈对齐ControlNet训练

Nina Konovalova, Maxim Nikolaev, Andrey Kuznetsov, et al.

Skywork-Reward-V2：通过人机协同扩展偏好数据管理

Skywork-Reward-V2：通过人机协同扩展偏好数据管理

Chris Yuhao Liu, Liang Zeng, Yuzhen Xiao, et al.

LangScene-X：利用TriMap视频扩散重建可泛化的3D语言嵌入场景

LangScene-X：利用TriMap视频扩散重建可泛化的3D语言嵌入场景

统一多模态

Fangfu Liu, Hao Li, Jiawei Chi, et al.

基于图像的多模态推理：基础、方法与未来前沿

基于图像的多模态推理：基础、方法与未来前沿

Zhaochen Su, Peng Xia, Hangyu Guo, et al.

WebSailor：用于网络代理的超人类推理导航

WebSailor：用于网络代理的超人类推理导航

Kuan Li, Zhongwang Zhang, Huifeng Yin, et al.

EmoBench-M：面向多模态大语言模型的情感智能基准测试

EmoBench-M：面向多模态大语言模型的情感智能基准测试

He Hu, Yucheng Zhou, Lianzhong You, et al.

机器学习中的AI研究代理：在MLE-bench中进行搜索、探索与泛化

机器学习中的AI研究代理：在MLE-bench中进行搜索、探索与泛化

Edan Toledo, Karen Hambardzumyan, Martin Josifoski, et al.

局部感知的并行解码用于高效的自回归图像生成

局部感知的并行解码用于高效的自回归图像生成

Zhuoyang Zhang, Luke J. Huang, Chengyue Wu, et al.

FreeMorph：无需调参的扩散模型通用图像变形

FreeMorph：无需调参的扩散模型通用图像变形

Yukang Cao, Chenyang Si, Jinghao Wang, et al.

视觉-语言-动作模型综述：从动作分词的角度出发

视觉-语言-动作模型综述：从动作分词的角度出发

自然语言处理

Yifan Zhong, Fengshuo Bai, Shaofei Cai, et al.

在任意条件下测量任何深度

在任意条件下测量任何深度

机器视觉 3D

Boyuan Sun, Modi Jin, Bowen Yin, et al.

LongAnimation：基于动态全局-局部记忆的长动画生成

LongAnimation：基于动态全局-局部记忆的长动画生成

Nan Chen, Mengqi Huang, Yihao Meng, et al.

快手 Keye-VL 技术报告

快手 Keye-VL 技术报告

Kwai Keye Team, Biao Yang, Bin Wen, et al.

自动驾驶中视觉-语言-行为模型的综述

自动驾驶中视觉-语言-行为模型的综述

Sicong Jiang, Zilin Huang, Kangan Qian, et al.

MoCa：模态感知的持续预训练生成更优的双向多模态嵌入

MoCa：模态感知的持续预训练生成更优的双向多模态嵌入

多模态表征

Haonan Chen, Hong Liu, Yuping Luo, et al.

FreeLong++：通过多频带谱融合实现无训练长视频生成

FreeLong++：通过多频带谱融合实现无训练长视频生成

超越符号：从脑启发智能到人工通用智能的认知基础及其社会影响

超越符号：从脑启发智能到人工通用智能的认知基础及其社会影响

Rizwan Qureshi, Ranjan Sapkota, Abbas Shah, et al.

数学推理是否提升通用大语言模型的能力？理解大语言模型推理的可迁移性

数学推理是否提升通用大语言模型的能力？理解大语言模型推理的可迁移性

监督式微调

Maggie Huan, Yuetai Li, Tuney Zheng, et al.

SciArena：科学文献任务中基础模型的开放评估平台

SciArena：科学文献任务中基础模型的开放评估平台

Yilun Zhao, Kaiyan Zhang, Tiansheng Hu, et al.

医学中的整体人工智能：性能提升与可解释性增强

医学中的整体人工智能：性能提升与可解释性增强

多模态表征

Periklis Petridis, Georgios Margaritis, Vasiliki Stoumpou, et al.

evolving prompts in-context: 一种开放式的、自我复制的视角

evolving prompts in-context: 一种开放式的、自我复制的视角

Wang, Jianyu, Hu, et al.

SPIRAL：零和博弈中的自我对弈通过多智能体多轮强化学习激励推理

SPIRAL：零和博弈中的自我对弈通过多智能体多轮强化学习激励推理

Bo Liu, Leon Guertler, Simon Yu, et al.

面向听者的奖励性思考在视觉语言模型中的图像偏好研究

面向听者的奖励性思考在视觉语言模型中的图像偏好研究

Alexander Gambashidze, Li Pengyi, Matvey Skripkin, et al.

OpenS2S：推进开源端到端共情大语言模型

OpenS2S：推进开源端到端共情大语言模型

音频和语音处理

Chen Wang, Tianyu Peng, Wen Yang, et al.

Point3R：具有显式空间指针内存的流式3D重建

Point3R：具有显式空间指针内存的流式3D重建

机器视觉 3D

Yuqi Wu, Wenzhao Zheng, Jie Zhou, et al.

多级逐步提示增强强化学习推理能力

多级逐步提示增强强化学习推理能力

Kaiyi Zhang, Ang Lv, Jinpeng Li, et al.

建立构建严谨能动性基准的最佳实践

建立构建严谨能动性基准的最佳实践

Yuxuan Zhu, Tengjun Jin, Yada Pruksachatkun, et al.

GPT-4o 对视觉理解得如何？评估多模态基础模型在标准计算机视觉任务上的表现

GPT-4o 对视觉理解得如何？评估多模态基础模型在标准计算机视觉任务上的表现

Rahul Ramachandran, Ali Garjani, Roman Bachmann, et al.

Eka-Eval：印度语言大型语言模型的综合评估框架

Eka-Eval：印度语言大型语言模型的综合评估框架

Samridhi Raj Sinha, Rajvee Sheth, Abhishek Upperwal, et al.

DynamiCare：一种动态多智能体框架用于交互式和开放式医疗决策制定

DynamiCare：一种动态多智能体框架用于交互式和开放式医疗决策制定

Tianqi Shang, Weiqing He, Charles Zheng, et al.

基于能量的 Transformer 是可扩展的学习者和思考者

基于能量的 Transformer 是可扩展的学习者和思考者

计算机视觉

Alexi Gladstone, Ganesh Nanduru, Md Mofijul Islam, et al.

IntFold：一种可控的基础模型用于通用和专业的生物分子结构预测

IntFold：一种可控的基础模型用于通用和专业的生物分子结构预测

The IntFold Team, Leon Qiao, Wayne Bai, et al.

倾听内心的声音：通过中间特征反馈对齐ControlNet训练

倾听内心的声音：通过中间特征反馈对齐ControlNet训练

Nina Konovalova, Maxim Nikolaev, Andrey Kuznetsov, et al.

Skywork-Reward-V2：通过人机协同扩展偏好数据管理

Skywork-Reward-V2：通过人机协同扩展偏好数据管理

Chris Yuhao Liu, Liang Zeng, Yuzhen Xiao, et al.

LangScene-X：利用TriMap视频扩散重建可泛化的3D语言嵌入场景

LangScene-X：利用TriMap视频扩散重建可泛化的3D语言嵌入场景

统一多模态

Fangfu Liu, Hao Li, Jiawei Chi, et al.

基于图像的多模态推理：基础、方法与未来前沿

基于图像的多模态推理：基础、方法与未来前沿

Zhaochen Su, Peng Xia, Hangyu Guo, et al.

WebSailor：用于网络代理的超人类推理导航

WebSailor：用于网络代理的超人类推理导航

Kuan Li, Zhongwang Zhang, Huifeng Yin, et al.

EmoBench-M：面向多模态大语言模型的情感智能基准测试

EmoBench-M：面向多模态大语言模型的情感智能基准测试

He Hu, Yucheng Zhou, Lianzhong You, et al.

机器学习中的AI研究代理：在MLE-bench中进行搜索、探索与泛化

机器学习中的AI研究代理：在MLE-bench中进行搜索、探索与泛化

Edan Toledo, Karen Hambardzumyan, Martin Josifoski, et al.

局部感知的并行解码用于高效的自回归图像生成

局部感知的并行解码用于高效的自回归图像生成

Zhuoyang Zhang, Luke J. Huang, Chengyue Wu, et al.

FreeMorph：无需调参的扩散模型通用图像变形

FreeMorph：无需调参的扩散模型通用图像变形

Yukang Cao, Chenyang Si, Jinghao Wang, et al.

视觉-语言-动作模型综述：从动作分词的角度出发

视觉-语言-动作模型综述：从动作分词的角度出发

自然语言处理

Yifan Zhong, Fengshuo Bai, Shaofei Cai, et al.

在任意条件下测量任何深度

在任意条件下测量任何深度

机器视觉 3D

Boyuan Sun, Modi Jin, Bowen Yin, et al.

LongAnimation：基于动态全局-局部记忆的长动画生成

LongAnimation：基于动态全局-局部记忆的长动画生成

Nan Chen, Mengqi Huang, Yihao Meng, et al.

快手 Keye-VL 技术报告

快手 Keye-VL 技术报告

Kwai Keye Team, Biao Yang, Bin Wen, et al.

自动驾驶中视觉-语言-行为模型的综述

自动驾驶中视觉-语言-行为模型的综述

Sicong Jiang, Zilin Huang, Kangan Qian, et al.

MoCa：模态感知的持续预训练生成更优的双向多模态嵌入

MoCa：模态感知的持续预训练生成更优的双向多模态嵌入

多模态表征

Haonan Chen, Hong Liu, Yuping Luo, et al.

FreeLong++：通过多频带谱融合实现无训练长视频生成

FreeLong++：通过多频带谱融合实现无训练长视频生成

超越符号：从脑启发智能到人工通用智能的认知基础及其社会影响

超越符号：从脑启发智能到人工通用智能的认知基础及其社会影响

Rizwan Qureshi, Ranjan Sapkota, Abbas Shah, et al.

数学推理是否提升通用大语言模型的能力？理解大语言模型推理的可迁移性

数学推理是否提升通用大语言模型的能力？理解大语言模型推理的可迁移性

监督式微调

Maggie Huan, Yuetai Li, Tuney Zheng, et al.

SciArena：科学文献任务中基础模型的开放评估平台

SciArena：科学文献任务中基础模型的开放评估平台

Yilun Zhao, Kaiyan Zhang, Tiansheng Hu, et al.

医学中的整体人工智能：性能提升与可解释性增强

医学中的整体人工智能：性能提升与可解释性增强

多模态表征

Periklis Petridis, Georgios Margaritis, Vasiliki Stoumpou, et al.

evolving prompts in-context: 一种开放式的、自我复制的视角

evolving prompts in-context: 一种开放式的、自我复制的视角

Wang, Jianyu, Hu, et al.

SPIRAL：零和博弈中的自我对弈通过多智能体多轮强化学习激励推理

SPIRAL：零和博弈中的自我对弈通过多智能体多轮强化学习激励推理

Bo Liu, Leon Guertler, Simon Yu, et al.

面向听者的奖励性思考在视觉语言模型中的图像偏好研究

面向听者的奖励性思考在视觉语言模型中的图像偏好研究

Alexander Gambashidze, Li Pengyi, Matvey Skripkin, et al.