Command Palette
Search for a command to run...
论文
每日更新的前沿 AI 研究论文，助您把握人工智能最新动向
视觉空间调谐
Rui Yang, Ziyu Zhu, Yanwei Li, et al.
好到不像反派：论LLMs在扮演反派角色时的失败
Zihao Yi, Qingxuan Jiang, Ruotian Ma, et al.
DeepEyesV2：迈向代理型多模态模型
Jack Hong, Chenxiao Zhao, ChengLin Zhu, et al.
基于机器学习的连续血糖监测用于识别代谢亚表型并指导精准生活方式干预
Ahmed A. Metwally, Heyjun Park, Yue Wu, et al.
在测试阶段重用预训练数据是一种计算倍增器
Alex Fang, Thomas Voice, Ruoming Pang, et al.
NVIDIA Nemotron Nano V2 VL
NVIDIA, Amala Sanjay Deshmukh, Kateryna Chumachenko, et al.
CostBench：评估LLM工具使用Agent在动态环境中多轮成本最优规划与适应性
Jiayu Liu, Cheng Qian, Zhaochen Su, et al.
寒武纪-S：迈向视频中的空间超感知
Shusheng Yang, Jihan Yang, Pinzhi Huang, et al.
通过经验合成实现Agent学习的扩展
Zhaorun Chen, Zhuokai Zhao, Kai Zhang, et al.
V-Thinker：与图像交互的思考
Runqi Qiao, Qiuna Tan, Minghan Yang, et al.
基于视频的思考：视频生成作为一种有前景的多模态推理范式
Jingqi Tong, Yurong Mou, Hangcheng Li, et al.
Amber生物分子模拟的最新进展
David A. Case, David S. Cerutti, Vinicius Wilian D. Cruzeiro, et al.
UltraHR-100K：基于大规模高质量数据集增强UHR图像合成
Chen Zhao, En Ci, Yunzhe Xu, et al.
从五个维度到众多维度：大型语言模型作为精准且可解释的心理画像工具
Yi-Fei Liu, Yi-Long Lu, Di He, et al.
基于节点的多模态生成：文本、音频、图像与视频
Alexander Htet Kyaw, Lenin Ravindranath Sivalingam
DR. WELL：基于符号世界模型的具身LLM多Agent协作中的动态推理与学习
Narjes Nourzad, Hanqing Yang, Shiyu Chen, et al.
Orion-MSP：用于表格上下文学习的多尺度稀疏注意力
Mohamed Bouadi, Pratinav Seth, Aditya Tanna, et al.
TabTune：用于表格基础模型推理与微调的统一库
Aditya Tanna, Pratinav Seth, Mohamed Bouadi, et al.
Step-Audio-EditX 技术报告
Chao Yan, Boyong Wu, Peng Yang, et al.
LEGO-Eval：面向通过工具增强合成3D具身环境的细粒度评估
Gyeom Hwangbo, Hyungjoo Chae, Minseok Kang, et al.
UniAVGen：具有非对称跨模态交互的统一音频与视频生成
Guozhen Zhang, Zixiang Zhou, Teng Hu, et al.
扩散语言模型是超数据学习者
Jinjie Ni, Qian Liu, Longxu Dou, et al.
UNO-Bench：一个用于探索Omni模型中单模态与全模态之间组合规律的统一基准
Chen Chen, ZeYang Hu, Fengjiao Chen, et al.
基于扩散模型的动态人口分布感知人类轨迹生成
Qingyue Long, Can Rong, Tong Li, et al.
基于3D生成式AI与视觉语言模型的文本到机器人多组件物体装配
Alexander Htet Kyaw, Richa Gupta, Dhruv Shah, et al.
Kosmos：用于自主发现的AI Scientist
Ludovico Mitchener, Angela Yiu, Benjamin Chang, et al.
更短但不更差：通过简单样本作为长度正则化项实现数学领域的节俭推理RLVR
Abdelaziz Bounhar, Hadi Abdine, Evan Dufraisse, et al.
Brain-IT：通过Brain-Interaction Transformer从fMRI进行图像重建
Roman Beliy, Amit Zalcher, Jonathan Kogman, et al.
模态冲突时：单模态推理不确定性如何主导MLLMs中的偏好动态
Zhuoran Zhang, Tengyue Wang, Xilin Gong, et al.
不要盲视你的VLA：面向OOD泛化的视觉表征对齐
Nikita Kachaev, Mikhail Kolosov, Daniil Zelezetsky, et al.
当可视化成为推理的第一步时：MIRA，一个用于视觉链式思维的基准测试
Yiyang Zhou, Haoqin Tu, Zijun Wang, et al.
VCode：一个以SVG作为符号化视觉表示的多模态编码基准
Kevin Qinghong Lin, Yuhao Zheng, Hangyu Ran, et al.