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

虚拟 Agent 经济

视觉语言模型中视觉定位的理解研究































虚拟 Agent 经济

视觉语言模型中视觉定位的理解研究






























Kling-Avatar:用于级联长时长头像动画合成的多模态指令接地
机器学习LLM:在数百万个合成表格预测任务上持续预训练语言模型以实现上下文内机器学习
EchoX:通过回声训练缓解语音到语音LLM中的声学-语义鸿沟
SimpleVLA-RL:通过强化学习扩展VLA训练
VLA-Adapter:一种高效的小规模视觉-语言-动作模型范式
scSiameseClu:一种用于解释单细胞RNA测序数据的孪生聚类框架
ST-Raptor:基于LLM的半结构化表格问答
OmniSpatial:面向视觉语言模型的全面空间推理基准
理解谈判博弈中人类代理与AI代理之间的经济权衡
Jupiter:通过Notebook与推理时价值引导搜索增强LLM数据分析能力
Hunyuan-MT 技术报告
P3-SAM:原生3D部件分割
AgentGym-RL:通过多轮强化学习训练LLM Agent实现长时程决策
三维与四维世界建模:一项综述
RewardDance:视觉生成中的奖励缩放
分享即关爱:基于集体强化学习经验共享的高效LM后训练
FinReflectKG:金融知识图谱的智能体构建与评估
大规模推理模型的强化学习研究综述
衡量并缓解过度依赖对于构建与人类兼容的AI至关重要
F1:一种连接理解与生成到行动的视觉-语言-行动模型
UMO:通过匹配奖励实现图像定制中的多身份一致性扩展
重建对齐提升统一多模态模型
Mini-o3:面向视觉搜索的推理模式与交互轮次的扩展
多模态大语言模型的视觉表征对齐
并行-R1:通过强化学习实现并行思维
WenetSpeech-Yue:一个具有多维度标注的大规模粤语语音语料库
SheetDesigner:基于规则与视觉反馈的MLLM驱动电子表格布局生成
自主代码演化邂逅NP-完全性
深度研究系统中的强化学习基础:一项综述
工具增强的视觉感知
Kling-Avatar:用于级联长时长头像动画合成的多模态指令接地
机器学习LLM:在数百万个合成表格预测任务上持续预训练语言模型以实现上下文内机器学习
EchoX:通过回声训练缓解语音到语音LLM中的声学-语义鸿沟
SimpleVLA-RL:通过强化学习扩展VLA训练
VLA-Adapter:一种高效的小规模视觉-语言-动作模型范式
scSiameseClu:一种用于解释单细胞RNA测序数据的孪生聚类框架
ST-Raptor:基于LLM的半结构化表格问答
OmniSpatial:面向视觉语言模型的全面空间推理基准
理解谈判博弈中人类代理与AI代理之间的经济权衡
Jupiter:通过Notebook与推理时价值引导搜索增强LLM数据分析能力
Hunyuan-MT 技术报告
P3-SAM:原生3D部件分割
AgentGym-RL:通过多轮强化学习训练LLM Agent实现长时程决策
三维与四维世界建模:一项综述
RewardDance:视觉生成中的奖励缩放
分享即关爱:基于集体强化学习经验共享的高效LM后训练
FinReflectKG:金融知识图谱的智能体构建与评估
大规模推理模型的强化学习研究综述
衡量并缓解过度依赖对于构建与人类兼容的AI至关重要
F1:一种连接理解与生成到行动的视觉-语言-行动模型
UMO:通过匹配奖励实现图像定制中的多身份一致性扩展
重建对齐提升统一多模态模型
Mini-o3:面向视觉搜索的推理模式与交互轮次的扩展
多模态大语言模型的视觉表征对齐
并行-R1:通过强化学习实现并行思维
WenetSpeech-Yue:一个具有多维度标注的大规模粤语语音语料库
SheetDesigner:基于规则与视觉反馈的MLLM驱动电子表格布局生成
自主代码演化邂逅NP-完全性
深度研究系统中的强化学习基础:一项综述
工具增强的视觉感知