HyperAI
Command Palette
Search for a command to run...
Papers
Täglich aktualisierte hochmoderne KI-Forschungsarbeiten, um Sie über die neuesten KI-Trends auf dem Laufenden zu halten
MCPMark: Ein Benchmark zur Belastungstestung realistischer und umfassender MCP-Nutzung
Benchmarks
Agent
Zijian Wu, Xiangyan Liu, Xinyuan Zhang, et al.
Zufällige Politikbewertung reicht aus für LLM-Reasoning mit überprüfbaren Belohnungen
Verstärkendes Lernen
Reasoning
Haoran He, Yuxiao Ye, Qingpeng Cai, et al.
Die Demokratisierung von KI-Wissenschaftlern mithilfe von ToolUniverse
Agent
Reasoning
Shanghua Gao, Richard Zhu, Pengwei Sui, et al.
Wann ist Schlussfolgern wichtig? Eine kontrollierte Studie zum Beitrag des Schlussfolgerns für die Modellleistung
Reasoning
Überwachtes Feinabstimmen
Nicolas Boizard, Hippolyte Gisserot-Boukhlef, Kevin El-Haddad, et al.
Multiplayer-Nash-Präferenz-Optimierung
Präferenzmodellierung
Verstärkendes Lernen
Fang Wu, Xu Huang, Weihao Xuan, et al.
StableToken: Ein geräuschrobuster semantischer Sprachtokenisierer für resiliente Sprach-LLMs
Audio- Und Sprachverarbeitung
Transformer
Yuhan Song, Linhao Zhang, Chuhan Wu, et al.
SLA: Über die Sparsität in Diffusions-Transformern hinaus durch feinabstimmbare sparse-lineare Aufmerksamkeit
Diffusionsmodell
Transformer
Jintao Zhang, Haoxu Wang, Kai Jiang, et al.
SimpleFold: Die Faltung von Proteinen ist einfacher, als Sie denken
Transformer
KI Für Die Wissenschaft
Yuyang Wang, Jiarui Lu, Navdeep Jaitly, et al.
POINTS-Reader: Adaptierung von visuell-sprachlichen Modellen für die Dokumentenkonvertierung ohne Distillation
Dokumentenverstehen
Multimodal
Yuan Liu, Zhongyin Zhao, Le Tian, et al.
Allgemein gültige geometrische Synthese von Bildunterschriften
Bildbeschreibung
Multimodal
Yue Xin, Wenyuan Wang, Rui Pan, et al.
Vorteile und Fallen der Verstärkungslernens für die Planung von Sprachmodellen: Eine theoretische Perspektive
Verstärkendes Lernen
Überwachtes Feinabstimmen
Siwei Wang, Yifei Shen, Haoran Sun, et al.
Schätzung der Befähigung von Sprachmodell-Agenten
LLM
Agent
Jinyeop Song, Jeff Gore, Max Kleiman-Weiner
Sprachmodelle können aus verbalen Rückmeldungen lernen, ohne skalarwertige Belohnungen zu erhalten
LLM
Verstärkendes Lernen
Renjie Luo, Zichen Liu, Xiangyan Liu, et al.
Variationales Schließen für Sprachmodelle
Reasoning
LLM
Xiangxin Zhou, Zichen Liu, Haonan Wang, et al.
EPO: Entropieregelisierte Politikoptimierung für LLM-Agenten
Verstärkendes Lernen
Verstärkendes Lernen
LLM
Xu Wujiang, Wentian Zhao, Zhenting Wang, et al.
MinerU2.5: Ein entkoppeltes visuell-sprachliches Modell zur effizienten Verarbeitung hochauflösender Dokumente
Dokumentenverstehen
Multimodal
Junbo Niu, Zheng Liu, Zhuangcheng Gu, et al.
Quantils-Vorteils-Schätzung für entropiesicheres Schließen
Verstärkendes Lernen
LLM
Junkang Wu, Kexin Huang, Jiancan Wu, et al.
LongLive: Echtzeit-Interaktive Generierung langer Videos
Videoerzeugung
Text-zu-Video
Shuai Yang, Wei Huang, Ruihang Chu, et al.
Kombinatorische Kreativität: Eine neue Front in den Verallgemeinerungsfähigkeiten
LLM
Algorithmus
Samuel Schapiro, Sumuk Shashidhar, Alexi Gladstone, et al.
Kausale räumlich-zeitliche Vorhersage: Ein effektiver und effizienter multimodaler Ansatz
Multimodal
Any-to-Any
Yuting Huang, Ziquan Fang, Zhihao Zeng, et al.
Hunyuan3D-Omni: Ein einheitlicher Rahmen für die steuerbare Generierung von 3D-Ressourcen
3D-Generierung
Multimodal
Team Hunyuan3D, Bowen Zhang, Chunchao Guo, et al.
Seedream 4.0: Bemühen um die nächste Generation der multimodalen Bildgenerierung
Text-zu-Bild
Diffusionsmodell
Team Seedream, Yunpeng Chen, Yu Gao, et al.
Baumsuche für die Verstärkungslernung von LLM-Agenten
Verstärkendes Lernen
LLM
Yuxiang Ji, Ziyu Ma, Yong Wang, et al.
SciReasoner: Legen der wissenschaftlichen Schlussfolgerungsgrundlage über Disziplinen hinweg
Reasoning
LLM
Yizhou Wang, Chen Tang, Han Deng, et al.
MMR1: Verbesserung multimodaler Schlussfolgerung durch varianzbehaftetes Sampling und offene Ressourcen
Multimodal
Reasoning
Sicong Leng, Jing Wang, Jiaxi Li, et al.
VCRL: varianzbasierendes Curriculum-Verstärkungslernen für große Sprachmodelle
Verstärkendes Lernen
LLM
Guochao Jiang, Wenfeng Feng, Guofeng Quan, et al.
MultiEdit: Fortschritte bei der anweisungsbezogenen Bildbearbeitung bei vielfältigen und anspruchsvollen Aufgaben
Bild-zu-Bild
Multimodal
Mingsong Li, Lin Liu, Hongjun Wang, et al.
BRISC: Annotationierte Datensatz für die Segmentierung und Klassifizierung von Gehirntumoren mit Swin-HAFNet
Semantische Segmentierung
Bildklassifikation
Amirreza Fateh, Yasin Rezvani, Sara Moayedi, et al.
EmoBench-M: Benchmarking der emotionalen Intelligenz für multimodale große Sprachmodelle
Emotionserkennung
Multimodal
He Hu, Yucheng Zhou, Lianzhong You, et al.
FDABench: Ein Benchmark für Daten-Agenten bei analytischen Abfragen über heterogene Daten
Benchmarks
Agent
Ziting Wang, Shize Zhang, Haitao Yuan, et al.
Einfacheres Malen als Denken: Können Text-zu-Bild-Modelle die Bühne bereiten, aber nicht das Spiel leiten?
Text-zu-Bild
Reasoning
Ouxiang Li, Yuan Wang, Xinting Hu, et al.
UniVerse-1: Unified Audio-Video Generation durch Stitching von Experten
Any-to-Any
Videoerzeugung
Duomin Wang, Wei Zuo, Aojie Li, et al.