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

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

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

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.

TerraScope: Pixel-verankertes visuelles Reasoning für die Erdbeobachtung

Visuelle Fragebeantwortung

Yan Shu, Bin Ren, Zhitong Xiong, et al.

Astrolabe: Steuerung des Forward-Process Reinforcement Learning für distillierte autoregressive Videomodelle

Songchun Zhang, Zeyue Xue, Siming Fu, et al.

HopChain: Multi-Hop-Datensynthese für generalisierbares visuell-linguistisches Schlussfolgern

Visuelle Fragebeantwortung

Shenzhi Wang, Shixuan Liu, Jing Zhou, et al.

Überbrückung semantischer und kinematischer Bedingungen mittels eines Diffusionsbasierten diskreten Motion Tokenizers

Diffusionsmodell

Chenyang Gu, Mingyuan Zhang, Haozhe Xie, et al.

FASTER: Neuinterpretation von Echtzeit-Flow-VLAs

Diffusionsmodell

Yuxiang Lu, Zhe Liu, Xianzhe Fan, et al.

3DreamBooth: Ein 3D-Modell zur hochfidelitätsgesteuerten Videoerzeugung auf Basis von Subjekten

Hyun-kyu Ko, Jihyeon Park, Younghyun Kim, et al.

SAMA: Faktorisierung semantischer Anker und Bewegungsabstimmung für videobasierte Bearbeitung nach Instruktionen

Diffusionsmodell

Xinyao Zhang, Wenkai Dong, Yuxin Song, et al.

Generative Modelle verstehen den Raum: Freisetzung impliziter 3D-Priors für das Szenenverständnis

Xianjin Wu, Dingkang Liang, Tianrui Feng, et al.

Effizientes Reasoning mit Balanced Thinking

Yulin Li, Tengyao Tu, Li Ding, et al.

Vor dem Handeln schauen: Verbesserung der visuellen Grundrepräsentationen für Vision-Language-Action-Modelle

Multimodale Darstellung

Yulin Luo, Hao Chen, Zhuangzhe Wu, et al.

Komplementäres Reinforcement Learning

Verstärkendes Lernen

Dilxat Muhtar, Jiashun Liu, Wei Gao, et al.

Alignment macht Sprachmodelle normativ, nicht deskriptiv.

Präferenzmodellierung

Eilam Shapira, Moshe Tennenholtz, Roi Reichart

MosaicMem: Hybride räumliche Speichersysteme für kontrollierbare Videoweltmodelle

Diffusionsmodell

Wei Yu, Runjia Qian, Yumeng Li, et al.

MetaClaw: Einfach sprechen – Ein Agent, der im Freien metanlernt und sich weiterentwickelt

Peng Xia, Jianwen Chen, Xinyu Yang, et al.

Video-CoE: Verstärkung der Video-Ereignisvorhersage mittels Chain of Events

Qile Su, Jing Tang, Rui Chen, et al.

FunCineForge: Ein einheitliches Dataset-Toolkit und Modell für Zero-Shot Movie Dubbing in diversen filmischen Szenen

Jiaxuan Liu, Yang Xiang, Han Zhao, et al.

In-Context Watermarks für Large Language Models

Textgenerierung

Yepeng Liu, Xuandong Zhao, Christopher Kruegel, et al.

WorldCam: Interaktive autoregressive 3D-Spielwelten mit Kameraposen als vereinheitlichender geometrischer Darstellung

Diffusionsmodell

Jisu Nam, Yicong Hong, Chun-Hao Paul Huang, et al.

Die Entmystifizierung von Video Reasoning

Diffusionsmodell

Ruisi Wang, Zhongang Cai, Fanyi Pu, et al.

Kinema4D: Kinematische 4D-Weltmodellierung für raumzeitliche eingebettete Simulationen

Körperliche Intelligenz

Mutian Xu, Tianbao Zhang, Tianqi Liu, et al.

Qianfan-OCR: Ein einheitliches End-to-End-Modell für Dokumentenintelligenz

Dokumentenverstehen

Daxiang Dong, Mingming Zheng, Dong Xu, et al.

InCoder-32B: Ein Code-Grundmodell für industrielle Anwendungsszenarien

Codegenerierung

Jian Yang, Wei Zhang, Jiajun Wu, et al.

MiroThinker-1.7 & H1: Hin zu Heavy-Duty Research Agents durch Verifikation

MiroMind Team, S. Bai, L. Bing, et al.

HSImul3R: Physik-in-the-Loop-Rekonstruktion simulationsbereiter Mensch-Szenen-Interaktionen

3D-Maschinenvision

Yukang Cao, Haozhe Xie, Fangzhou Hong, et al.

Mixture-of-Depths Attention

Lianghui Zhu, Yuxin Fang, Bencheng Liao, et al.

Aufmerksamkeitsresiduen

Kimi Team, Guangyu Chen, Yu Zhang, et al.

Verankierung von Welt-Simulationsmodellen in einer realen Metropole

Junyoung Seo, Hyunwook Choi, Minkyung Kwon, et al.

OpenSeeker: Demokratisierung von Frontier Search Agents durch vollständige Open-Sourcing von Trainingsdaten

Yuwen Du, Rui Ye, Shuo Tang, et al.

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

ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models

TerraScope: Pixel-verankertes visuelles Reasoning für die Erdbeobachtung

Astrolabe: Steuerung des Forward-Process Reinforcement Learning für distillierte autoregressive Videomodelle

HopChain: Multi-Hop-Datensynthese für generalisierbares visuell-linguistisches Schlussfolgern

Überbrückung semantischer und kinematischer Bedingungen mittels eines Diffusionsbasierten diskreten Motion Tokenizers

FASTER: Neuinterpretation von Echtzeit-Flow-VLAs

3DreamBooth: Ein 3D-Modell zur hochfidelitätsgesteuerten Videoerzeugung auf Basis von Subjekten

SAMA: Faktorisierung semantischer Anker und Bewegungsabstimmung für videobasierte Bearbeitung nach Instruktionen

Generative Modelle verstehen den Raum: Freisetzung impliziter 3D-Priors für das Szenenverständnis

Effizientes Reasoning mit Balanced Thinking

Vor dem Handeln schauen: Verbesserung der visuellen Grundrepräsentationen für Vision-Language-Action-Modelle

Komplementäres Reinforcement Learning

Alignment macht Sprachmodelle normativ, nicht deskriptiv.

MosaicMem: Hybride räumliche Speichersysteme für kontrollierbare Videoweltmodelle

MetaClaw: Einfach sprechen – Ein Agent, der im Freien metanlernt und sich weiterentwickelt

Video-CoE: Verstärkung der Video-Ereignisvorhersage mittels Chain of Events

FunCineForge: Ein einheitliches Dataset-Toolkit und Modell für Zero-Shot Movie Dubbing in diversen filmischen Szenen

In-Context Watermarks für Large Language Models

WorldCam: Interaktive autoregressive 3D-Spielwelten mit Kameraposen als vereinheitlichender geometrischer Darstellung

Die Entmystifizierung von Video Reasoning

Kinema4D: Kinematische 4D-Weltmodellierung für raumzeitliche eingebettete Simulationen

Qianfan-OCR: Ein einheitliches End-to-End-Modell für Dokumentenintelligenz

InCoder-32B: Ein Code-Grundmodell für industrielle Anwendungsszenarien

MiroThinker-1.7 & H1: Hin zu Heavy-Duty Research Agents durch Verifikation

HSImul3R: Physik-in-the-Loop-Rekonstruktion simulationsbereiter Mensch-Szenen-Interaktionen

Mixture-of-Depths Attention

Aufmerksamkeitsresiduen

Verankierung von Welt-Simulationsmodellen in einer realen Metropole

OpenSeeker: Demokratisierung von Frontier Search Agents durch vollständige Open-Sourcing von Trainingsdaten

2.877