HyperAI

Hauptbereich

GPU

Konsole
Studio
Dokumente
Preise

Pulse

Neuigkeiten

Ressourcen

Fachartikel
Notebooks
Datensätze
Wiki

Benchmarks

SOTA
LLM-Modelle
GPU-Bestenliste

Community

Konferenzen

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 Support Hilfe zu Datensätzen

Produkte

Neuigkeiten Fachartikel Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

Papers

Rekursive Multi-Agenten-Systeme

Rekursive Multi-Agenten-Systeme

Xiyuan Yang, Jiaru Zou, Rui Pan, et al.

Fähigkeitsabruf-Ergänzung für Agentische KI

Fähigkeitsabruf-Ergänzung für Agentische KI

Retrieval-Augmented Generation

Weihang Su, Jianming Long, Qingyao Ai, et al.

SketchVLM: Vision-Language-Modelle können Bilder annotieren, um Gedanken zu erklären und Benutzer zu leiten

Visuelle Fragebeantwortung

Brandon Collins, Logan Bolton, Hung Huy Nguyen, et al.

RSRCC: Ein Benchmark zur regionalen Veränderungsanalyse in der Fernerkundung, der durch abfrageergänztes Best-of-N-Ranking erstellt wurde

Visuelle Fragebeantwortung

Retrieval-Augmented Generation

Roie Kazoom, Yotam Gigi, George Leifman, et al.

LongSpeech: Eine skalierbare Benchmark für Transkription, Übersetzung und Verständnis in langem Sprachat

Audio- Und Sprachverarbeitung

Fei Yang, Xuanfan Ni, Renyi Yang, et al.

ClawMark: Ein Lebendiges-Welt-Benchmark für Mehrfach-Turn-, Mehr-Tage-, Multimodale Coworker-Agents

Fanqing Meng, Lingxiao Du, Zijian Wu, et al.

Tuna-2: Pixel-Embeddings schlagen visuelle Encodierer für multimodales Verständnis und Generierung

Bildgenerierung

Zhiheng Liu, Weiming Ren, Xiaoke Huang, et al.

Sicherheit in Vision-Sprache-Aktions-Systemen: Bedrohungen, Herausforderungen, Bewertungen und Mechanismen

Qi Li, Bo Yin, Weiqi Huang, et al.

ReVSI: Neuordnung der Bewertung der visuellen räumlichen Intelligenz für eine präzise Beurteilung der 3D-Reasoning-Fähigkeiten von VLMs

Visuelle Fragebeantwortung

Yiming Zhang, Jiacheng Chen, Jiaqi Tan, et al.

Von Fähigkeiten zu Talenten: Organisation heterogener Agents als realweltliches Unternehmen

Zhengxu Yu, Yu Fu, Zhiyuan He, et al.

World-R1: Verstärkung von 3D-Einschränkungen für die Text-zu-Video-Generierung

Weijie Wang, Xiaoxuan He, Youping Gu, et al.

Videonalyse und -generierung mittels einer semantischen Progress-Funktion

Videobearbeitung

Gal Metzer, Sagi Polaczek, Ali Mahdavi-Amiri, et al.

SmartPhotoCrafter: Einheitliche Reasoning-, Generierungs- und Optimierungsprozesse für die automatische fotografische Bildbearbeitung

Ying Zeng, Miaosen Luo, Guangyuan Li, et al.

Kontexte sind niemals lang genug: Strukturiertes Schließen für skalierbares Question Answering über umfangreiche Dokumentensätze hinweg

Intelligente Fragebeantwortung

Dokumentenverstehen

Harshit Joshi, Priyank Shethia, Jadelynn Dao, et al.

AgentSearchBench: Ein Benchmark für die Suche durch KI agents in realen Umgebungen

Bin Wu, Arastun Mammadli, Xiaoyu Zhang, et al.

FlowAnchor: Stabilisierung des Editiersignals für inversion-freies Video-Editing

Ze Chen, Lan Chen, Yuanhang Li, et al.

LLM-Sicherheit von innen heraus: Detektion schädlicher Inhalte mittels interner Repräsentationen

Difan Jiao, Yilun Liu, Ye Yuan, et al.

DiffNR: Diffusionsgestützte neuronale Repräsentationsoptimierung für die tomografische 3D-Rekonstruktion mit spärlichen Ansichten

Diffusionsmodell

Medizinische Bildgebung

Shiyan Su, Ruyi Zha, Danli Shi, et al.

Agentic World Modeling: Grundlagen, Fähigkeiten, Gesetze und darüber hinaus

KI Für Die Wissenschaft

Meng Chu, Xuan Billy Zhang, Kevin Qinghong Lin, et al.

Entkoppeltes DiLoCo für resilientes verteiltes Pre-training

Decoupled DiLoCo Team

EVENT TENSOR: EINE VEREINFACHTE ABSTRAKTION ZUR KOMPILIERUNG DYNAMISCHER MEGAKERNEL

Hongyi Jin, Bohan Hou, Guanjie Wang, et al.

Schnelles und langsames Sehen: Erlernen des Zeitflusses in Videos

Yen-Siang Wu, Rundong Luo, Jingsen Zhu, et al.

Ko-evolutionäre LLM-Entscheidungs- und Skill-Bank-Agents für Langzeitaufgaben

Xiyang Wu, Zongxia Li, Guangyao Shi, et al.

StyleID: Ein Wahrnehmungs-orientierter Datensatz und eine Metrik für die stilisierungsunabhängige Erkennung der Gesichtsidealität

Gesichtserkennung

Kwan Yun, Changmin Lee, Ayeong Jeong, et al.

UniT: Auf dem Weg zu einer vereinheitlichten physikalischen Sprache für das Human-to-Humanoid Policy Learning und World Modeling

Multimodale Darstellung

Boyu Chen, Yi Chen, Lu Qiu, et al.

WorldMark: Eine vereinheitlichte Benchmark-Suite für interaktive Video-World-Models

Xiaojie Xu, Zhengyuan Lin, Kang He, et al.

LLaTiSA: In Richtung einer schwierigkeitsschichtbasierten Zeitreihen-Argumentation von der visuellen Wahrnehmung bis zur Semantik

Yueyang Ding, HaoPeng Zhang, Rui Dai, et al.

Bildgeneratoren sind Generalist Vision Learners

Bildgenerierung

Valentin Gabeur, Shangbang Long, Songyou Peng, et al.

LongCat-Next: Lexikalisierung von Modalitäten als diskrete Tokens

Multimodale Darstellung

Meituan LongCat Team

FIPO: Elicitation von Deep Reasoning durch Future-KL-beeinflusste Policy Optimization

Verstärkendes Lernen

Qwen Pilot Team

Bootstrapping-Exploration mittels sprachlichem Feedback auf Gruppenebene in Reinforcement Learning

Verstärkendes Lernen

Lei Huang, Xiang Cheng, Chenxiao Zhao, et al.

SocialOmni: Benchmarking der audiovisuellen sozialen Interaktivität in Omni-Modellen

Tianyu Xie, Jina Huang, Yuexiao Ma, et al.

SketchVLM: Vision-Language-Modelle können Bilder annotieren, um Gedanken zu erklären und Benutzer zu leiten

RSRCC: Ein Benchmark zur regionalen Veränderungsanalyse in der Fernerkundung, der durch abfrageergänztes Best-of-N-Ranking erstellt wurde

LongSpeech: Eine skalierbare Benchmark für Transkription, Übersetzung und Verständnis in langem Sprachat

ClawMark: Ein Lebendiges-Welt-Benchmark für Mehrfach-Turn-, Mehr-Tage-, Multimodale Coworker-Agents

Tuna-2: Pixel-Embeddings schlagen visuelle Encodierer für multimodales Verständnis und Generierung

Sicherheit in Vision-Sprache-Aktions-Systemen: Bedrohungen, Herausforderungen, Bewertungen und Mechanismen

ReVSI: Neuordnung der Bewertung der visuellen räumlichen Intelligenz für eine präzise Beurteilung der 3D-Reasoning-Fähigkeiten von VLMs

Von Fähigkeiten zu Talenten: Organisation heterogener Agents als realweltliches Unternehmen

World-R1: Verstärkung von 3D-Einschränkungen für die Text-zu-Video-Generierung

Videonalyse und -generierung mittels einer semantischen Progress-Funktion

SmartPhotoCrafter: Einheitliche Reasoning-, Generierungs- und Optimierungsprozesse für die automatische fotografische Bildbearbeitung

Kontexte sind niemals lang genug: Strukturiertes Schließen für skalierbares Question Answering über umfangreiche Dokumentensätze hinweg

AgentSearchBench: Ein Benchmark für die Suche durch KI agents in realen Umgebungen

FlowAnchor: Stabilisierung des Editiersignals für inversion-freies Video-Editing

LLM-Sicherheit von innen heraus: Detektion schädlicher Inhalte mittels interner Repräsentationen

DiffNR: Diffusionsgestützte neuronale Repräsentationsoptimierung für die tomografische 3D-Rekonstruktion mit spärlichen Ansichten

Agentic World Modeling: Grundlagen, Fähigkeiten, Gesetze und darüber hinaus

Entkoppeltes DiLoCo für resilientes verteiltes Pre-training

EVENT TENSOR: EINE VEREINFACHTE ABSTRAKTION ZUR KOMPILIERUNG DYNAMISCHER MEGAKERNEL

Schnelles und langsames Sehen: Erlernen des Zeitflusses in Videos

Ko-evolutionäre LLM-Entscheidungs- und Skill-Bank-Agents für Langzeitaufgaben

StyleID: Ein Wahrnehmungs-orientierter Datensatz und eine Metrik für die stilisierungsunabhängige Erkennung der Gesichtsidealität

UniT: Auf dem Weg zu einer vereinheitlichten physikalischen Sprache für das Human-to-Humanoid Policy Learning und World Modeling

WorldMark: Eine vereinheitlichte Benchmark-Suite für interaktive Video-World-Models

LLaTiSA: In Richtung einer schwierigkeitsschichtbasierten Zeitreihen-Argumentation von der visuellen Wahrnehmung bis zur Semantik

Bildgeneratoren sind Generalist Vision Learners

LongCat-Next: Lexikalisierung von Modalitäten als diskrete Tokens

FIPO: Elicitation von Deep Reasoning durch Future-KL-beeinflusste Policy Optimization

Bootstrapping-Exploration mittels sprachlichem Feedback auf Gruppenebene in Reinforcement Learning

SocialOmni: Benchmarking der audiovisuellen sozialen Interaktivität in Omni-Modellen

2.877