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

Memory Intelligence Agent

Memory Intelligence Agent

Jingyang Qiao, Weicheng Meng, Yu Cheng, et al.

PROPELLA-1: MULTI-PROPERTY DOCUMENT ANNOTATION FÜR DIE LLM DATA CURATION IN GROSSEM MASSSTAB

PROPELLA-1: MULTI-PROPERTY DOCUMENT ANNOTATION FÜR DIE LLM DATA CURATION IN GROSSEM MASSSTAB

Maximilian Idahl, Benedikt Droste, Björn Plüster, et al.

Internalisiertes Reasoning für das Visual Document Understanding in Long-Context-Szenarien

Dokumentenverstehen

Visuelle Fragebeantwortung

TurboQuant: Online-Vektorquantisierung mit nahezu optimaler Verzerrungsrate

Amir Zandieh, Majid Daliri, Majid Hadian, et al.

BERT-als-Richter: Eine robuste Alternative zu lexikalischen Methoden für die effiziente referenzbasierte LLM-Evaluierung

Textgenerierung

Hippolyte Gisserot-Boukhlef, Nicolas Boizard, Emmanuel Malherbe, et al.

SPPO: Sequence-Level PPO für Long-Horizon Reasoning Tasks

Verstärkendes Lernen

Tianyi Wang, Yixia Li, Long Li, et al.

Bildschirm-Turing-Test: Ein Benchmark für die Humanisierung von Mobile GUI Agenten

Jiachen Zhu, Lingyu Yang, Rong Shan, et al.

Audio-Omni: Erweiterung des multi-modalen Verständnisses auf vielseitige Audio-Generation und -Editierung

Zeyue Tian, Binxin Yang, Zhaoyang Liu, et al.

Überdenken der On-Policy Distillation von Large Language Models: Phänomenologie, Mechanismus und Rezept

Yaxuan Li, Yuxin Zuo, Bingxiang He, et al.

KnowRL: Steigerung der LLM Reasoning-Fähigkeit durch Reinforcement Learning mit minimal-ausreichender Knowledge Guidance

Verstärkendes Lernen

Linhao Yu, Tianmeng Yang, Siyu Ding, et al.

Uni-ViGU: Towards Unified Video Generation and Understanding via A Diffusion-Based Video Generator

Luozheng Qin, Jia Gong, Qian Qiao, et al.

ClawGUI: Ein einheitliches Framework für das Training, Evaluieren und Deployen von GUI Agents

Fei Tang, Zhiqiong Lu, Boxuan Zhang, et al.

Attention Sink in Transformers: Eine Übersicht über Nutzung, Interpretation und Mitigation

Zunhai Su, Hengyuan Zhang, Wei Wu, et al.

OmniShow: Unifying Multimodal Conditions für die Generierung von Human-Object Interaction Videos

Donghao Zhou, Guisheng Liu, Hao Yang, et al.

Die Vergangenheit ist nicht vergangen: Memory-Enhanced Dynamic Reward Shaping

Verstärkendes Lernen

Yang Liu, Enxi Wang, Yufei Gao, et al.

QuanBench+: Ein einheitliches Multi-Framework Benchmark für LLM-basiertes Quantum Code Generation

Codegenerierung

Ali Slim, Haydar Hamieh, Jawad Kotaich, et al.

ELT: Elastische geschaltete Transformer-Modelle für die visuelle Generierung

Bildgenerierung

Sahil Goyal, Swayam Agrawal, Gautham Govind, et al.

ECHO: Effiziente Generierung von Thorax-Röntgenberichten mittels One-step Block Diffusion

Diffusionsmodell

Textgenerierung

Lifeng Chen, Tianqi You, Hao Liu, et al.

Matrix-Game 3.0: Ein Echtzeit- und Streaming-basiertes interaktives World Model mit Long-Horizon Memory

Zile Wang, Zexiang Liu, Jaixing Li, et al.

EXAONE 4.5 Technischer Bericht

Eunbi Choi, Kibong Choi, Sehyun Chun, et al.

RefineAnything: Multimodale regionsspezifische Verfeinerung für perfekte lokale Details

Diffusionsmodell

Dewei Zhou, You Li, Zongxin Yang, et al.

FORGE: Feinkörnige Multimodale Evaluation für Manufacturing-Szenarien

Maschinelles Sehen

Xiangru Jian, Hao Xu, Wei Pang, et al.

WildDet3D: Skalierung von Promptable 3D Detection in the Wild

3D-Maschinenvision

Objekterkennung

Weikai Huang, Jieyu Zhang, Sijun Li, et al.

Autoreason: Selbstverfeinerung, die weiß, wann sie aufhören muss

ActiveGlasses: Erlernen von Manipulation durch Active Vision aus egozentrischen menschlichen Demonstrationen

Yanwen Zou, Chenyang Shi, Wenyu Yu, et al.

MegaStyle: Konstruktion eines vielfältigen und skalierbaren Style-Datensatzes durch konsistentes Text-to-Image Style Mapping

Junyao Gao, Sibo Liu, Jiaxing Li, et al.

Wenn Zahlen sprechen: Die Ausrichtung von textuellen Zahlenwerten und visuellen Instanzen in Text-to-Video Diffusion Modellen

Diffusionsmodell

Zhengyang Sun, Yu Chen, Xin Zhou, et al.

HY-Embodied-0.5: Embodied Foundation Models für Real-World Agents

Körperliche Intelligenz

Tencent Robotics X, HY Vision Team, Xumin Yu, et al.

ClawBench: Können AI Agents alltägliche Online-Aufgaben bewältigen?

Yuxuan Zhang, Yubo Wang, Yipeng Zhu, et al.

Überdenken der Generalisierung beim Reasoning SFT: Eine bedingte Analyse von Optimierung, Daten und Model Capability

Überwachtes Feinabstimmen

Qihan Ren, Peng Wang, Ruikun Cai, et al.

SkillClaw: Lassen Sie Skills kollektiv mit dem Agentic Evolver evolvieren

Ziyu Ma, Shidong Yang, Yuxiang Ji, et al.

MDPBench: Ein Benchmark für mehrsprachiges Dokumenten-Parsing in realen Szenarien

Dokumentenverstehen

Zhang Li, Zhibo Lin, Qiang Liu, et al.

Internalisiertes Reasoning für das Visual Document Understanding in Long-Context-Szenarien

TurboQuant: Online-Vektorquantisierung mit nahezu optimaler Verzerrungsrate

BERT-als-Richter: Eine robuste Alternative zu lexikalischen Methoden für die effiziente referenzbasierte LLM-Evaluierung

SPPO: Sequence-Level PPO für Long-Horizon Reasoning Tasks

Bildschirm-Turing-Test: Ein Benchmark für die Humanisierung von Mobile GUI Agenten

Audio-Omni: Erweiterung des multi-modalen Verständnisses auf vielseitige Audio-Generation und -Editierung

Überdenken der On-Policy Distillation von Large Language Models: Phänomenologie, Mechanismus und Rezept

KnowRL: Steigerung der LLM Reasoning-Fähigkeit durch Reinforcement Learning mit minimal-ausreichender Knowledge Guidance

Uni-ViGU: Towards Unified Video Generation and Understanding via A Diffusion-Based Video Generator

ClawGUI: Ein einheitliches Framework für das Training, Evaluieren und Deployen von GUI Agents

Attention Sink in Transformers: Eine Übersicht über Nutzung, Interpretation und Mitigation

OmniShow: Unifying Multimodal Conditions für die Generierung von Human-Object Interaction Videos

Die Vergangenheit ist nicht vergangen: Memory-Enhanced Dynamic Reward Shaping

QuanBench+: Ein einheitliches Multi-Framework Benchmark für LLM-basiertes Quantum Code Generation

ELT: Elastische geschaltete Transformer-Modelle für die visuelle Generierung

ECHO: Effiziente Generierung von Thorax-Röntgenberichten mittels One-step Block Diffusion

Matrix-Game 3.0: Ein Echtzeit- und Streaming-basiertes interaktives World Model mit Long-Horizon Memory

EXAONE 4.5 Technischer Bericht

RefineAnything: Multimodale regionsspezifische Verfeinerung für perfekte lokale Details

FORGE: Feinkörnige Multimodale Evaluation für Manufacturing-Szenarien

WildDet3D: Skalierung von Promptable 3D Detection in the Wild

Autoreason: Selbstverfeinerung, die weiß, wann sie aufhören muss

ActiveGlasses: Erlernen von Manipulation durch Active Vision aus egozentrischen menschlichen Demonstrationen

MegaStyle: Konstruktion eines vielfältigen und skalierbaren Style-Datensatzes durch konsistentes Text-to-Image Style Mapping

Wenn Zahlen sprechen: Die Ausrichtung von textuellen Zahlenwerten und visuellen Instanzen in Text-to-Video Diffusion Modellen

HY-Embodied-0.5: Embodied Foundation Models für Real-World Agents

ClawBench: Können AI Agents alltägliche Online-Aufgaben bewältigen?

Überdenken der Generalisierung beim Reasoning SFT: Eine bedingte Analyse von Optimierung, Daten und Model Capability

SkillClaw: Lassen Sie Skills kollektiv mit dem Agentic Evolver evolvieren

MDPBench: Ein Benchmark für mehrsprachiges Dokumenten-Parsing in realen Szenarien

2.877