HyperAI
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
基于混合在线与离线策略优化的探索性记忆增强型LLM Agent
强化学习
Agent
Zeyuan Liu, Jeonghye Kim, Xufang Luo, et al.
想象力有助于视觉推理，但在潜在空间中尚未实现
多模态
视觉问答
You Li, Chi Chen, Yanghao Li, et al.
OmniGAIA：迈向原生全模态AI智能体
多模态
Agent
Xiaoxi Li, Wenxiang Jiao, Jiarui Jin, et al.
MobilityBench：面向真实世界出行场景中路径规划Agent的评估基准
智能问答
基准
Zhiheng Song, Jingshuai Zhang, Chuan Qin, et al.
从盲区到收益：基于诊断驱动的大型多模态模型迭代训练
多模态
模型训练
Hongrui Jia, Chaoya Jiang, Shikun Zhang, et al.
一致性三元组作为通用世界模型的定义性原则
多模态表征
统一多模态
Jingxuan Wei, Siyuan Li, Yuhang Xu, et al.
GUI-Libra：基于动作感知监督与部分可验证强化学习训练原生GUI智能体进行推理与行动
监督式微调
Agent
Rui Yang, Qianhui Wu, Zhaoyang Wang, et al.
SkyReels-V4：多模态视频-音频生成、修复与编辑模型
文生视频
扩散模型
Guibin Chen, Dixuan Lin, Jiangping Yang, et al.
ARLArena：一种用于稳定智能体强化学习的统一框架
强化学习
LLM
Xiaoxuan Wang, Han Zhang, Haixin Wang, et al.
DreamID-Omni：面向可控以人为中心的音视频生成统一框架
多模态
统一多模态
Xu Guo, Fulong Ye, Qichao Sun, et al.
MolHIT：基于分层离散扩散模型推进分子图生成
扩散模型
AI for Science
Hojung Jung, Rodrigo Hormazabal, Jaehyeong Jo, et al.
HyTRec：一种用于长行为序列推荐的混合时序感知注意力架构
Transformer
偏好
Lei Xin, Yuhao Zheng, Ke Cheng, et al.
DREAM：基于智能体度量的深度研究评估
基准
LLM
Elad Ben Avraham, Changhao Li, Ron Dorfman, et al.
LongCLI-Bench：面向命令行界面中长时程智能体编程的初步基准与研究
Agent
基准
Yukang Feng, Jianwen Sun, Zelai Yang, et al.
PyVision-RL：通过强化学习构建开放的智能体视觉模型
视频理解
Agent
Shitian Zhao, Shaoheng Lin, Ming Li, et al.
从感知到行动：面向视觉推理的交互式基准
多模态
多模态表征
Yuhao Wu, Maojia Song, Yihuai Lan, et al.
面向查询聚焦与记忆感知的长上下文重排序模型
LLM
检索增强生成
Yuqing Li, Jiangnan Li, Mo Yu, et al.
面向大规模语言模型终端能力扩展的数据工程
LLM
模型训练
Renjie Pi, Grace Lam, Mohammad Shoeybi, et al.
DSDR：用于LLM推理中探索的双尺度多样性正则化
强化学习
推理
Zhongwei Wan, Yun Shen, Zhihao Dou, et al.
Mobile-O：移动端的统一多模态理解与生成
多模态
扩散模型
Abdelrahman Shaker, Ahmed Heakl, Jaseel Muhammad, et al.
TOPReward：作为机器人学中隐藏零样本奖励的Token概率
强化学习
多模态表征
Shirui Chen, Cole Harrison, Ying-Chun Lee, et al.
ManCAR：基于流形约束的潜在推理与自适应测试时计算的序列推荐
偏好
多任务学习
Kun Yang, Yuxuan Zhu, Yazhe Chen, et al.
VLANeXt：构建强大VLA模型的配方
多模态
多模态表征
Xiao-Ming Wu, Bin Fan, Kang Liao, et al.
一个超大规模视频推理套件
视频理解
推理
Maijunxian Wang, Ruisi Wang, Juyi Lin, et al.
基于视觉信息增益的大规模视觉语言模型选择性训练
多模态
监督式微调
Seulbi Lee, Sangheum Hwang
DeepVision-103K：一个视觉多样、覆盖广泛且可验证的多模态推理数学数据集
多模态
视觉问答
Haoxiang Sun, Lizhen Xu, Bing Zhao, et al.
SARAH：面向空间感知的实时智能体人类
多模态表征
3D 生成
Evonne Ng, Siwei Zhang, Zhang Chen, et al.
EgoPush：面向移动机器人的端到端第一人称多物体重排学习
感知
目标跟踪
Boyuan An, Zhexiong Wang, Yipeng Wang, et al.
生成现实：基于手部与相机控制的交互式视频生成的人本世界模拟
扩散模型
视频生成
Linxi Xie, Lisong C. Sun, Ashley Neall, et al.
VESPO：用于稳定离策略LLM训练的变分序列级软策略优化
强化学习
LLM
Guobin Shen, Chenxiao Zhao, Xiang Cheng, et al.
阿斯翠三一大型技术报告
LLM
Transformer
Varun Singh, Lucas Krauss, Sami Jaghouar, et al.
前沿人工智能风险管理体系实践：风险分析技术报告 v1.5
LLM
Agent
Dongrui Liu, Yi Yu, Jie Zhang, et al.