HyperAI

Hauptbereich

GPU

Konsole
Dokumente
Preise

Pulse

Neuigkeiten

Ressourcen

Fachartikel
Notebooks
Datensätze
Wiki

Benchmarks

SOTA
LLM-Modelle
GPU-Bestenliste

Community

Veranstaltungen

Tools

Über uns Nutzungsbedingungen Datenschutzerklärung
Deutsch

Command Palette

Search for a command to run...

HyperAI
Papers

Papers

Täglich aktualisierte hochmoderne KI-Forschungsarbeiten, um Sie über die neuesten KI-Trends auf dem Laufenden zu halten

Gestalten Sie die Zukunft der Künstlichen Intelligenz

Über uns

Über uns Hilfe zu Datensätzen

Produkte

Neuigkeiten Fachartikel Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

HyperAI

Hauptbereich

GPU

Konsole
Dokumente
Preise

Pulse

Neuigkeiten

Ressourcen

Fachartikel
Notebooks
Datensätze
Wiki

Benchmarks

SOTA
LLM-Modelle
GPU-Bestenliste

Community

Veranstaltungen

Tools

Über uns Nutzungsbedingungen Datenschutzerklärung
Deutsch

Command Palette

Search for a command to run...

HyperAI
Papers

Papers

Täglich aktualisierte hochmoderne KI-Forschungsarbeiten, um Sie über die neuesten KI-Trends auf dem Laufenden zu halten

Gestalten Sie die Zukunft der Künstlichen Intelligenz

Über uns

Über uns Hilfe zu Datensätzen

Produkte

Neuigkeiten Fachartikel Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

Calibri: Verbesserung von Diffusion-Transformern durch parameter-effiziente Kalibrierung

Calibri: Verbesserung von Diffusion-Transformern durch parameter-effiziente Kalibrierung

Diffusionsmodell

Danil Tokhchukov, Aysel Mirzoeva, Andrey Kuznetsov, et al.

Intern-S1-Pro: Ein wissenschaftliches multimodales Grundmodell im Billionen-Skala-Bereich

Intern-S1-Pro: Ein wissenschaftliches multimodales Grundmodell im Billionen-Skala-Bereich

KI Für Die Wissenschaft

Yicheng Zou, Dongsheng Zhu, Lin Zhu, et al.

PixelSmile: Auf dem Weg zu einer feinabgestimmten Bearbeitung von Gesichtsausdrücken

Diffusionsmodell

Jiabin Hua, Hengyuan Xu, Aojie Li, et al.

Claudini: Autoresearch entdeckt State-of-the-Art Adversarial Attack Algorithmen für LLMs

KI Für Die Wissenschaft

Alexander Panfilov, Peter Romov, Igor Shilov, et al.

AutoHarness: Verbesserung von LLM Agents durch die automatische Synthese eines Code Harness

Codegenerierung

Xinghua Lou, Miguel Lázaro-Gredilla, Antoine Dedieu, et al.

GameplayQA: Ein Benchmark-Framework für die verhaltensdichte, POV-synchrone Mehrvideo-Verständnisanalyse von 3D-Virtual Agents

Visuelle Fragebeantwortung

Yunzhe Wang, Runhui Xu, Kexin Zheng, et al.

Warum verschlechtert Self-Distillation (manchmal) die Reasoning-Fähigkeit von LLMs?

Jeonghye Kim, Xufang Luo, Minbeom Kim, et al.

UI-Voyager: Ein sich selbst weiterentwickelnder GUI-Agent, der durch gescheiterte Erfahrungen lernt

Zichuan Lin, Feiyu Liu, Yijun Yang, et al.

T-MAP: Red-Teaming von LLM Agents mittels trajectoriewahrer evolutionärer Suche

Hyomin Lee, Sangwoo Park, Yumin Choi, et al.

CUA-Suite: Massiv annotierte Video-Demonstrationen durch Menschen für Computer-Use-Agenten

Xiangru Jian, Shravan Nayak, Kevin Qinghong Lin, et al.

EVA: Effizientes Reinforcement Learning für End-to-End Video-Agenten

Yaolun Zhang, Ruohui Wang, Jiahao Wang, et al.

Foveated Diffusion: Effiziente räumlich adaptive Bild- und Videogenerierung

Diffusionsmodell

Brian Chao, Lior Yariv, Howard Xiao, et al.

Ego2Web: Ein Web Agent Benchmark, der auf egozentrischen Videos basiert

Shoubin Yu, Lei Shu, Antoine Yang, et al.

Von statischen Vorlagen zu dynamischen Laufzeitgraphen: Eine Übersicht zur Workflow-Optimierung für LLM Agents

Ling Yue, Kushal Raj Bhandari, Ching-Yun Ko, et al.

SpecEyes: Beschleunigung von Agentic Multimodalen LLMs durch spekulative Wahrnehmung und Planung

Haoyu Huang, Jinfa Huang, Zhongwei Wan, et al.

DA-Flow: Degradation-Aware Optical Flow Estimation mit Diffusion Models

Diffusionsmodell

Videobearbeitung

Jaewon Min, Jaeeun Lee, Yeji Choi, et al.

PEARL: Personalisiertes Modell für das Streaming-Video-Verständnis

Yuanhong Zheng, Ruichuan An, Xiaopeng Lin, et al.

WildWorld: Ein groß angelegter Datensatz für die dynamische Modellierung der Welt mit Aktionen und explizitem Zustand zur Generierung von ARPGs

Aktionserkennung

Zhen Li, Zian Meng, Shuwei Shi, et al.

MinerU-Diffusion: Neukonzeptualisierung von Dokument-OCR als inverse Rendering-Aufgabe mittels Diffusion Decoding

Diffusionsmodell

Hejun Dong, Junbo Niu, Bin Wang, et al.

PivotRL: Agentic Post-Training mit hoher Genauigkeit bei geringem Rechenaufwand

Überwachtes Feinabstimmen

Verstärkendes Lernen

Junkeun Yi, Damon Mosk-Aoyama, Baihe Huang, et al.

F4Splat: Feed-Forward Predictive Densification für Feed-Forward 3D Gaussian Splatting

Injae Kim, Chaehyeon Kim, Minseong Bae, et al.

SpatialBoost: Verbesserung der visuellen Repräsentation durch sprachgesteuertes Reasoning

Multimodale Darstellung

Byungwoo Jeon, Dongyoung Kim, Huiwon Jang, et al.

VideoDetective: Spurensuche durch extrinsische Abfragen und intrinsische Relevanz für das Verständnis langer Videos

Visuelle Fragebeantwortung

Ruoliu Yang, Chu Wu, Caifeng Shan, et al.

LongCat-Flash-Prover: Vorantreiben der nativen formalen Schlussfolgerung durch agentic tool-integriertes Reinforcement Learning

Jianing Wang, Jianfei Zhang, Qi Guo, et al.

Geschwindigkeit durch Einfachheit: Eine Single-Stream-Architektur für ein schnelles Audio-Video-generatives Foundation Model

SII-GAIR, Sand. ai, Ethan Chern, et al.

Omni-WorldBench: Hin zu einer umfassenden, interaktionszentrierten Evaluierung von World Models

Meiqi Wu, Zhixin Cai, Fufangchen Zhao, et al.

PrismAudio: Zerlegtes Chain-of-Thought und mehrdimensionale Belohnungen für die Video-zu-Audio-Generierung

Huadai Liu, Kaicheng Luo, Wen Wang, et al.

LeWorldModel: Stabile End-to-End-Joint-Embedding-Prädiktive Architektur auf Pixelebene

Multimodale Darstellung

Lucas Maes, Quentin Le Lidec, Damien Scieur, et al.

FlowScene: Stil-konsistente Erzeugung von Innenraumszenen mittels multimodaler Graphen-basierter Rectified Flow

Zhifei Yang, Guangyao Zhai, Keyang Lu, et al.

LumosX: Verknüpfung beliebiger Identitäten mit ihren Attributen für personalisierte Videogenerierung

Diffusionsmodell

Jiazheng Xing, Fei Du, Hangjie Yuan, et al.

Der Y-Kombinator für LLMs: Lösung des Long-Context-Rot-Problems mittels λ-Kalkül

Textgenerierung

Amartya Roy, Rasul Tutunov, Xiaotong Ji, et al.

ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models

Visuelle Fragebeantwortung

Thomas De Min, Subhankar Roy, Stéphane Lathuilière, et al.

Calibri: Verbesserung von Diffusion-Transformern durch parameter-effiziente Kalibrierung

Calibri: Verbesserung von Diffusion-Transformern durch parameter-effiziente Kalibrierung

Diffusionsmodell

Danil Tokhchukov, Aysel Mirzoeva, Andrey Kuznetsov, et al.

Intern-S1-Pro: Ein wissenschaftliches multimodales Grundmodell im Billionen-Skala-Bereich

Intern-S1-Pro: Ein wissenschaftliches multimodales Grundmodell im Billionen-Skala-Bereich

KI Für Die Wissenschaft

Yicheng Zou, Dongsheng Zhu, Lin Zhu, et al.

PixelSmile: Auf dem Weg zu einer feinabgestimmten Bearbeitung von Gesichtsausdrücken

Diffusionsmodell

Jiabin Hua, Hengyuan Xu, Aojie Li, et al.

Claudini: Autoresearch entdeckt State-of-the-Art Adversarial Attack Algorithmen für LLMs

KI Für Die Wissenschaft

Alexander Panfilov, Peter Romov, Igor Shilov, et al.

AutoHarness: Verbesserung von LLM Agents durch die automatische Synthese eines Code Harness

Codegenerierung

Xinghua Lou, Miguel Lázaro-Gredilla, Antoine Dedieu, et al.

GameplayQA: Ein Benchmark-Framework für die verhaltensdichte, POV-synchrone Mehrvideo-Verständnisanalyse von 3D-Virtual Agents

Visuelle Fragebeantwortung

Yunzhe Wang, Runhui Xu, Kexin Zheng, et al.

Warum verschlechtert Self-Distillation (manchmal) die Reasoning-Fähigkeit von LLMs?

Jeonghye Kim, Xufang Luo, Minbeom Kim, et al.

UI-Voyager: Ein sich selbst weiterentwickelnder GUI-Agent, der durch gescheiterte Erfahrungen lernt

Zichuan Lin, Feiyu Liu, Yijun Yang, et al.

T-MAP: Red-Teaming von LLM Agents mittels trajectoriewahrer evolutionärer Suche

Hyomin Lee, Sangwoo Park, Yumin Choi, et al.

CUA-Suite: Massiv annotierte Video-Demonstrationen durch Menschen für Computer-Use-Agenten

Xiangru Jian, Shravan Nayak, Kevin Qinghong Lin, et al.

EVA: Effizientes Reinforcement Learning für End-to-End Video-Agenten

Yaolun Zhang, Ruohui Wang, Jiahao Wang, et al.

Foveated Diffusion: Effiziente räumlich adaptive Bild- und Videogenerierung

Diffusionsmodell

Brian Chao, Lior Yariv, Howard Xiao, et al.

Ego2Web: Ein Web Agent Benchmark, der auf egozentrischen Videos basiert

Shoubin Yu, Lei Shu, Antoine Yang, et al.

Von statischen Vorlagen zu dynamischen Laufzeitgraphen: Eine Übersicht zur Workflow-Optimierung für LLM Agents

Ling Yue, Kushal Raj Bhandari, Ching-Yun Ko, et al.

SpecEyes: Beschleunigung von Agentic Multimodalen LLMs durch spekulative Wahrnehmung und Planung

Haoyu Huang, Jinfa Huang, Zhongwei Wan, et al.

DA-Flow: Degradation-Aware Optical Flow Estimation mit Diffusion Models

Diffusionsmodell

Videobearbeitung

Jaewon Min, Jaeeun Lee, Yeji Choi, et al.

PEARL: Personalisiertes Modell für das Streaming-Video-Verständnis

Yuanhong Zheng, Ruichuan An, Xiaopeng Lin, et al.

WildWorld: Ein groß angelegter Datensatz für die dynamische Modellierung der Welt mit Aktionen und explizitem Zustand zur Generierung von ARPGs

Aktionserkennung

Zhen Li, Zian Meng, Shuwei Shi, et al.

MinerU-Diffusion: Neukonzeptualisierung von Dokument-OCR als inverse Rendering-Aufgabe mittels Diffusion Decoding

Diffusionsmodell

Hejun Dong, Junbo Niu, Bin Wang, et al.

PivotRL: Agentic Post-Training mit hoher Genauigkeit bei geringem Rechenaufwand

Überwachtes Feinabstimmen

Verstärkendes Lernen

Junkeun Yi, Damon Mosk-Aoyama, Baihe Huang, et al.

F4Splat: Feed-Forward Predictive Densification für Feed-Forward 3D Gaussian Splatting

Injae Kim, Chaehyeon Kim, Minseong Bae, et al.

SpatialBoost: Verbesserung der visuellen Repräsentation durch sprachgesteuertes Reasoning

Multimodale Darstellung

Byungwoo Jeon, Dongyoung Kim, Huiwon Jang, et al.

VideoDetective: Spurensuche durch extrinsische Abfragen und intrinsische Relevanz für das Verständnis langer Videos

Visuelle Fragebeantwortung

Ruoliu Yang, Chu Wu, Caifeng Shan, et al.

LongCat-Flash-Prover: Vorantreiben der nativen formalen Schlussfolgerung durch agentic tool-integriertes Reinforcement Learning

Jianing Wang, Jianfei Zhang, Qi Guo, et al.

Geschwindigkeit durch Einfachheit: Eine Single-Stream-Architektur für ein schnelles Audio-Video-generatives Foundation Model

SII-GAIR, Sand. ai, Ethan Chern, et al.

Omni-WorldBench: Hin zu einer umfassenden, interaktionszentrierten Evaluierung von World Models

Meiqi Wu, Zhixin Cai, Fufangchen Zhao, et al.

PrismAudio: Zerlegtes Chain-of-Thought und mehrdimensionale Belohnungen für die Video-zu-Audio-Generierung

Huadai Liu, Kaicheng Luo, Wen Wang, et al.

LeWorldModel: Stabile End-to-End-Joint-Embedding-Prädiktive Architektur auf Pixelebene

Multimodale Darstellung

Lucas Maes, Quentin Le Lidec, Damien Scieur, et al.

FlowScene: Stil-konsistente Erzeugung von Innenraumszenen mittels multimodaler Graphen-basierter Rectified Flow

Zhifei Yang, Guangyao Zhai, Keyang Lu, et al.

LumosX: Verknüpfung beliebiger Identitäten mit ihren Attributen für personalisierte Videogenerierung

Diffusionsmodell

Jiazheng Xing, Fei Du, Hangjie Yuan, et al.

Der Y-Kombinator für LLMs: Lösung des Long-Context-Rot-Problems mittels λ-Kalkül

Textgenerierung

Amartya Roy, Rasul Tutunov, Xiaotong Ji, et al.

ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models

Visuelle Fragebeantwortung

Thomas De Min, Subhankar Roy, Stéphane Lathuilière, et al.

PixelSmile: Auf dem Weg zu einer feinabgestimmten Bearbeitung von Gesichtsausdrücken

Claudini: Autoresearch entdeckt State-of-the-Art Adversarial Attack Algorithmen für LLMs

AutoHarness: Verbesserung von LLM Agents durch die automatische Synthese eines Code Harness

GameplayQA: Ein Benchmark-Framework für die verhaltensdichte, POV-synchrone Mehrvideo-Verständnisanalyse von 3D-Virtual Agents

Warum verschlechtert Self-Distillation (manchmal) die Reasoning-Fähigkeit von LLMs?

UI-Voyager: Ein sich selbst weiterentwickelnder GUI-Agent, der durch gescheiterte Erfahrungen lernt

T-MAP: Red-Teaming von LLM Agents mittels trajectoriewahrer evolutionärer Suche

CUA-Suite: Massiv annotierte Video-Demonstrationen durch Menschen für Computer-Use-Agenten

EVA: Effizientes Reinforcement Learning für End-to-End Video-Agenten

Foveated Diffusion: Effiziente räumlich adaptive Bild- und Videogenerierung

Ego2Web: Ein Web Agent Benchmark, der auf egozentrischen Videos basiert

Von statischen Vorlagen zu dynamischen Laufzeitgraphen: Eine Übersicht zur Workflow-Optimierung für LLM Agents

SpecEyes: Beschleunigung von Agentic Multimodalen LLMs durch spekulative Wahrnehmung und Planung

DA-Flow: Degradation-Aware Optical Flow Estimation mit Diffusion Models

PEARL: Personalisiertes Modell für das Streaming-Video-Verständnis

WildWorld: Ein groß angelegter Datensatz für die dynamische Modellierung der Welt mit Aktionen und explizitem Zustand zur Generierung von ARPGs

MinerU-Diffusion: Neukonzeptualisierung von Dokument-OCR als inverse Rendering-Aufgabe mittels Diffusion Decoding

PivotRL: Agentic Post-Training mit hoher Genauigkeit bei geringem Rechenaufwand

F4Splat: Feed-Forward Predictive Densification für Feed-Forward 3D Gaussian Splatting

SpatialBoost: Verbesserung der visuellen Repräsentation durch sprachgesteuertes Reasoning

VideoDetective: Spurensuche durch extrinsische Abfragen und intrinsische Relevanz für das Verständnis langer Videos

LongCat-Flash-Prover: Vorantreiben der nativen formalen Schlussfolgerung durch agentic tool-integriertes Reinforcement Learning

Geschwindigkeit durch Einfachheit: Eine Single-Stream-Architektur für ein schnelles Audio-Video-generatives Foundation Model

Omni-WorldBench: Hin zu einer umfassenden, interaktionszentrierten Evaluierung von World Models

PrismAudio: Zerlegtes Chain-of-Thought und mehrdimensionale Belohnungen für die Video-zu-Audio-Generierung

LeWorldModel: Stabile End-to-End-Joint-Embedding-Prädiktive Architektur auf Pixelebene

FlowScene: Stil-konsistente Erzeugung von Innenraumszenen mittels multimodaler Graphen-basierter Rectified Flow

LumosX: Verknüpfung beliebiger Identitäten mit ihren Attributen für personalisierte Videogenerierung

Der Y-Kombinator für LLMs: Lösung des Long-Context-Rot-Problems mittels λ-Kalkül

ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models

PixelSmile: Auf dem Weg zu einer feinabgestimmten Bearbeitung von Gesichtsausdrücken

Claudini: Autoresearch entdeckt State-of-the-Art Adversarial Attack Algorithmen für LLMs

AutoHarness: Verbesserung von LLM Agents durch die automatische Synthese eines Code Harness

GameplayQA: Ein Benchmark-Framework für die verhaltensdichte, POV-synchrone Mehrvideo-Verständnisanalyse von 3D-Virtual Agents

Warum verschlechtert Self-Distillation (manchmal) die Reasoning-Fähigkeit von LLMs?

UI-Voyager: Ein sich selbst weiterentwickelnder GUI-Agent, der durch gescheiterte Erfahrungen lernt

T-MAP: Red-Teaming von LLM Agents mittels trajectoriewahrer evolutionärer Suche

CUA-Suite: Massiv annotierte Video-Demonstrationen durch Menschen für Computer-Use-Agenten

EVA: Effizientes Reinforcement Learning für End-to-End Video-Agenten

Foveated Diffusion: Effiziente räumlich adaptive Bild- und Videogenerierung

Ego2Web: Ein Web Agent Benchmark, der auf egozentrischen Videos basiert

Von statischen Vorlagen zu dynamischen Laufzeitgraphen: Eine Übersicht zur Workflow-Optimierung für LLM Agents

SpecEyes: Beschleunigung von Agentic Multimodalen LLMs durch spekulative Wahrnehmung und Planung

DA-Flow: Degradation-Aware Optical Flow Estimation mit Diffusion Models

PEARL: Personalisiertes Modell für das Streaming-Video-Verständnis

WildWorld: Ein groß angelegter Datensatz für die dynamische Modellierung der Welt mit Aktionen und explizitem Zustand zur Generierung von ARPGs

MinerU-Diffusion: Neukonzeptualisierung von Dokument-OCR als inverse Rendering-Aufgabe mittels Diffusion Decoding

PivotRL: Agentic Post-Training mit hoher Genauigkeit bei geringem Rechenaufwand

F4Splat: Feed-Forward Predictive Densification für Feed-Forward 3D Gaussian Splatting

SpatialBoost: Verbesserung der visuellen Repräsentation durch sprachgesteuertes Reasoning

VideoDetective: Spurensuche durch extrinsische Abfragen und intrinsische Relevanz für das Verständnis langer Videos

LongCat-Flash-Prover: Vorantreiben der nativen formalen Schlussfolgerung durch agentic tool-integriertes Reinforcement Learning

Geschwindigkeit durch Einfachheit: Eine Single-Stream-Architektur für ein schnelles Audio-Video-generatives Foundation Model

Omni-WorldBench: Hin zu einer umfassenden, interaktionszentrierten Evaluierung von World Models

PrismAudio: Zerlegtes Chain-of-Thought und mehrdimensionale Belohnungen für die Video-zu-Audio-Generierung

LeWorldModel: Stabile End-to-End-Joint-Embedding-Prädiktive Architektur auf Pixelebene

FlowScene: Stil-konsistente Erzeugung von Innenraumszenen mittels multimodaler Graphen-basierter Rectified Flow

LumosX: Verknüpfung beliebiger Identitäten mit ihren Attributen für personalisierte Videogenerierung

Der Y-Kombinator für LLMs: Lösung des Long-Context-Rot-Problems mittels λ-Kalkül

ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models