HyperAI

Hauptbereich

GPU

Konsole
Studio
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 Support Hilfe zu Datensätzen

Produkte

Neuigkeiten Fachartikel Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

HyperAI

Hauptbereich

GPU

Konsole
Studio
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 Support Hilfe zu Datensätzen

Produkte

Neuigkeiten Fachartikel Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

HiStream: Effiziente Erzeugung hochauflösender Videos durch redundanzeliminiertes Streaming

HiStream: Effiziente Erzeugung hochauflösender Videos durch redundanzeliminiertes Streaming

Diffusionsmodell

Haonan Qiu, Shikun Liu, Zijian Zhou, et al.

TokSuite: Die Messung des Einflusses der Tokenisierungsstrategie auf das Verhalten von Sprachmodellen

TokSuite: Die Messung des Einflusses der Tokenisierungsstrategie auf das Verhalten von Sprachmodellen

Gül Sena Altıntaş, Malikeh Ehghaghi, Brian Lester, et al.

Nemotron 3 Nano: Open, effizienter Mixture-of-Experts-Hybrid-Mamba-Transformer-Modell für agenzentisches Reasoning

Überwachtes Feinabstimmen

NVIDIA, Aaron Blakeman, Aaron Grattafiori, et al.

Jenseits der Speicherung: Ein multimodales ordinal-regressives Benchmark zur Aufdeckung von Popularitätsbias in Vision-Language-Modellen

Li-Zhong Szu-Tu, Ting-Lin Wu, Chia-Jui Chang, et al.

DreaMontage: Frame-gesteuerte One-Shot-Videoerzeugung mit beliebigen Rahmen

Jiawei Liu, Junqiao Li, Jiangfan Deng, et al.

T2AV-Compass: Hin zu einer einheitlichen Bewertung für Text-zu-Audio-Video-Generierung

Zhe Cao, Tao Wang, Jiaming Wang, et al.

TongSIM: Eine allgemeine Plattform zur Simulation intelligenter Maschinen

Körperliche Intelligenz

Zhe Sun, Kunlun Wu, Chuanjian Fu, et al.

Qwen-Image-Layered: Ein Weg zur inhärenten Editierbarkeit durch Schichtdekomposition

Diffusionsmodell

Bildgenerierung

Shengming Yin, Zekai Zhang, Zecheng Tang, et al.

RoboSafe: Sicherung körperhafter Agenten durch ausführbare Sicherheitslogik

Le Wang, Zonghao Ying, Xiao Yang, et al.

Evaluierung der Sicherheit von Arzneimitteln durch große Sprachmodelle in der praktischen Anwendung im primären Gesundheitswesen der NHS

Natürliche Sprachverarbeitung

Oliver Normand, Esther Borsi, Mitch Fruin, et al.

Mehrfach-LLM-Thematische Analyse mit dualen Zuverlässigkeitsmetriken: Kombination von Cohens Kappa und semantischer Ähnlichkeit zur Validierung qualitativer Forschung

Natürliche Sprachverarbeitung

Nilesh Jain, Seyi Adeyinka, Leor Roseman, et al.

Aktive Intelligenz in Videogavataren durch geschlossenen Schleifen-Weltmodellierung

Körperliche Intelligenz

Verstärkendes Lernen

Xuanhua He, Tianyu Yang, Ke Cao, et al.

FaithLens: Erkennung und Erklärung von Treue-Halluzinationen

Retrieval-Augmented Generation

Überwachtes Feinabstimmen

Shuzheng Si, Qingyi Wang, Haozhe Zhao, et al.

SAM Audio: Segmentieren von Allem im Audio

Bowen Shi, Andros Tjandra, John Hoffman, et al.

Schritt-DeepResearch Technischer Bericht

Überwachtes Feinabstimmen

Chen Hu, Haikuo Du, Heng Wang, et al.

SpatialTree: Wie räumliche Fähigkeiten in MLLMs verzweigen

Yuxi Xiao, Longfei Li, Shen Yan, et al.

SemanticGen: Videoerzeugung im semantischen Raum

Jianhong Bai, Xiaoshi Wu, Xintao Wang, et al.

Automatisierte stereotaktische Radiosurgery-Planung unter Verwendung eines menschlich-im-Loop-Reasoning-Modells mit großer Sprachagenten

Humza Nusrat, Luke Francisco, Bing Luo, et al.

LongVideoAgent: Multi-Agent-Reasoning mit langen Videos

Visuelle Fragebeantwortung

Runtao Liu, Ziyi Liu, Jiaqi Tang, et al.

GenEnv: Schwierigkeitsausgeglichene ko-evolutionäre Entwicklung von LLM-Agenten und Umgebungssimulatoren

Jiacheng Guo, Ling Yang, Peter Chen, et al.

WorldWarp: Propagieren von 3D-Geometrie mit asynchroner Video-Diffusion

Diffusionsmodell

Hanyang Kong, Xingyi Yang, Xiaoxu Zheng, et al.

LoGoPlanner: Lokalisierungsgestützte Navigationspolitik mit metrikbewusster visueller Geometrie

Körperliche Intelligenz

Tiefenschätzung

Jiaqi Peng, Wenzhe Cai, Yuqiang Yang, et al.

Können LLMs das Schwierigkeitsniveau von Lernenden abschätzen? Mensch-AI-Übereinstimmung der Schwierigkeit durch Profizienz-Simulation zur Vorhersage der Item-Schwierigkeit

Ming Li, Han Chen, Yunze Xiao, et al.

QuCo-RAG: Quantifizierung von Unsicherheit aus dem Pre-Training-Korpus für dynamische Retrieval-augmentierte Generierung

Retrieval-Augmented Generation

Intelligente Fragebeantwortung

Dehai Min, Kailin Zhang, Tongtong Wu, et al.

Die Prismenhypothese: Harmonisierung semantischer und Pixel-Darstellungen mittels einheitlicher Autoencoding

Multimodale Darstellung

Weichen Fan, Haiwen Diao, Quan Wang, et al.

Med-Banana-50K: Ein multimodales, großskaliges Datensatz für textgesteuerte medizinische Bildbearbeitung

Zhihui Chen, Mengling Feng

Kascade: Eine praktische spärliche Aufmerksamkeitsmethode für die Long-Context-LLM-Inferenz

Dhruv Deshmukh, Saurabh Goyal, Nipun Kwatra, et al.

GLM-4.5: Agentic, Reasoning und Coding (ARC) Grundmodelle

GroundingME: Aufdeckung der visuellen Grundierungslücke in MLLMs durch eine mehrdimensionale Bewertung

Rang Li, Lei Li, Shuhuai Ren, et al.

Sowohl Semantik als auch Rekonstruktion sind wichtig: Darstellungscodierer für die Text-zu-Bild-Generierung und -Bearbeitung optimieren

Diffusionsmodell

Shilong Zhang, He Zhang, Zhifei Zhang, et al.

4D-RGPT: Ein Schritt hin zu einer regionenbasierten 4D-Wahrnehmung durch perceptuelle Distanzierung

Visuelle Fragebeantwortung

Multimodale Darstellung

Chiao-An Yang, Ryo Hachiuma, Sifei Liu, et al.

Seed-Prover 1.5: Meistern des Beweisens von Theoremen auf Bachelor-Niveau durch Lernen aus Erfahrung

Codegenerierung

Jiangjie Chen, Wenxiang Chen, Jiacheng Du, et al.

HiStream: Effiziente Erzeugung hochauflösender Videos durch redundanzeliminiertes Streaming

HiStream: Effiziente Erzeugung hochauflösender Videos durch redundanzeliminiertes Streaming

Diffusionsmodell

Haonan Qiu, Shikun Liu, Zijian Zhou, et al.

TokSuite: Die Messung des Einflusses der Tokenisierungsstrategie auf das Verhalten von Sprachmodellen

TokSuite: Die Messung des Einflusses der Tokenisierungsstrategie auf das Verhalten von Sprachmodellen

Gül Sena Altıntaş, Malikeh Ehghaghi, Brian Lester, et al.

Nemotron 3 Nano: Open, effizienter Mixture-of-Experts-Hybrid-Mamba-Transformer-Modell für agenzentisches Reasoning

Überwachtes Feinabstimmen

NVIDIA, Aaron Blakeman, Aaron Grattafiori, et al.

Jenseits der Speicherung: Ein multimodales ordinal-regressives Benchmark zur Aufdeckung von Popularitätsbias in Vision-Language-Modellen

Li-Zhong Szu-Tu, Ting-Lin Wu, Chia-Jui Chang, et al.

DreaMontage: Frame-gesteuerte One-Shot-Videoerzeugung mit beliebigen Rahmen

Jiawei Liu, Junqiao Li, Jiangfan Deng, et al.

T2AV-Compass: Hin zu einer einheitlichen Bewertung für Text-zu-Audio-Video-Generierung

Zhe Cao, Tao Wang, Jiaming Wang, et al.

TongSIM: Eine allgemeine Plattform zur Simulation intelligenter Maschinen

Körperliche Intelligenz

Zhe Sun, Kunlun Wu, Chuanjian Fu, et al.

Qwen-Image-Layered: Ein Weg zur inhärenten Editierbarkeit durch Schichtdekomposition

Diffusionsmodell

Bildgenerierung

Shengming Yin, Zekai Zhang, Zecheng Tang, et al.

RoboSafe: Sicherung körperhafter Agenten durch ausführbare Sicherheitslogik

Le Wang, Zonghao Ying, Xiao Yang, et al.

Evaluierung der Sicherheit von Arzneimitteln durch große Sprachmodelle in der praktischen Anwendung im primären Gesundheitswesen der NHS

Natürliche Sprachverarbeitung

Oliver Normand, Esther Borsi, Mitch Fruin, et al.

Mehrfach-LLM-Thematische Analyse mit dualen Zuverlässigkeitsmetriken: Kombination von Cohens Kappa und semantischer Ähnlichkeit zur Validierung qualitativer Forschung

Natürliche Sprachverarbeitung

Nilesh Jain, Seyi Adeyinka, Leor Roseman, et al.

Aktive Intelligenz in Videogavataren durch geschlossenen Schleifen-Weltmodellierung

Körperliche Intelligenz

Verstärkendes Lernen

Xuanhua He, Tianyu Yang, Ke Cao, et al.

FaithLens: Erkennung und Erklärung von Treue-Halluzinationen

Retrieval-Augmented Generation

Überwachtes Feinabstimmen

Shuzheng Si, Qingyi Wang, Haozhe Zhao, et al.

SAM Audio: Segmentieren von Allem im Audio

Bowen Shi, Andros Tjandra, John Hoffman, et al.

Schritt-DeepResearch Technischer Bericht

Überwachtes Feinabstimmen

Chen Hu, Haikuo Du, Heng Wang, et al.

SpatialTree: Wie räumliche Fähigkeiten in MLLMs verzweigen

Yuxi Xiao, Longfei Li, Shen Yan, et al.

SemanticGen: Videoerzeugung im semantischen Raum

Jianhong Bai, Xiaoshi Wu, Xintao Wang, et al.

Automatisierte stereotaktische Radiosurgery-Planung unter Verwendung eines menschlich-im-Loop-Reasoning-Modells mit großer Sprachagenten

Humza Nusrat, Luke Francisco, Bing Luo, et al.

LongVideoAgent: Multi-Agent-Reasoning mit langen Videos

Visuelle Fragebeantwortung

Runtao Liu, Ziyi Liu, Jiaqi Tang, et al.

GenEnv: Schwierigkeitsausgeglichene ko-evolutionäre Entwicklung von LLM-Agenten und Umgebungssimulatoren

Jiacheng Guo, Ling Yang, Peter Chen, et al.

WorldWarp: Propagieren von 3D-Geometrie mit asynchroner Video-Diffusion

Diffusionsmodell

Hanyang Kong, Xingyi Yang, Xiaoxu Zheng, et al.

LoGoPlanner: Lokalisierungsgestützte Navigationspolitik mit metrikbewusster visueller Geometrie

Körperliche Intelligenz

Tiefenschätzung

Jiaqi Peng, Wenzhe Cai, Yuqiang Yang, et al.

Können LLMs das Schwierigkeitsniveau von Lernenden abschätzen? Mensch-AI-Übereinstimmung der Schwierigkeit durch Profizienz-Simulation zur Vorhersage der Item-Schwierigkeit

Ming Li, Han Chen, Yunze Xiao, et al.

QuCo-RAG: Quantifizierung von Unsicherheit aus dem Pre-Training-Korpus für dynamische Retrieval-augmentierte Generierung

Retrieval-Augmented Generation

Intelligente Fragebeantwortung

Dehai Min, Kailin Zhang, Tongtong Wu, et al.

Die Prismenhypothese: Harmonisierung semantischer und Pixel-Darstellungen mittels einheitlicher Autoencoding

Multimodale Darstellung

Weichen Fan, Haiwen Diao, Quan Wang, et al.

Med-Banana-50K: Ein multimodales, großskaliges Datensatz für textgesteuerte medizinische Bildbearbeitung

Zhihui Chen, Mengling Feng

Kascade: Eine praktische spärliche Aufmerksamkeitsmethode für die Long-Context-LLM-Inferenz

Dhruv Deshmukh, Saurabh Goyal, Nipun Kwatra, et al.

GLM-4.5: Agentic, Reasoning und Coding (ARC) Grundmodelle

GroundingME: Aufdeckung der visuellen Grundierungslücke in MLLMs durch eine mehrdimensionale Bewertung

Rang Li, Lei Li, Shuhuai Ren, et al.

Sowohl Semantik als auch Rekonstruktion sind wichtig: Darstellungscodierer für die Text-zu-Bild-Generierung und -Bearbeitung optimieren

Diffusionsmodell

Shilong Zhang, He Zhang, Zhifei Zhang, et al.

4D-RGPT: Ein Schritt hin zu einer regionenbasierten 4D-Wahrnehmung durch perceptuelle Distanzierung

Visuelle Fragebeantwortung

Multimodale Darstellung

Chiao-An Yang, Ryo Hachiuma, Sifei Liu, et al.

Seed-Prover 1.5: Meistern des Beweisens von Theoremen auf Bachelor-Niveau durch Lernen aus Erfahrung

Codegenerierung

Jiangjie Chen, Wenxiang Chen, Jiacheng Du, et al.

Nemotron 3 Nano: Open, effizienter Mixture-of-Experts-Hybrid-Mamba-Transformer-Modell für agenzentisches Reasoning

Jenseits der Speicherung: Ein multimodales ordinal-regressives Benchmark zur Aufdeckung von Popularitätsbias in Vision-Language-Modellen

DreaMontage: Frame-gesteuerte One-Shot-Videoerzeugung mit beliebigen Rahmen

T2AV-Compass: Hin zu einer einheitlichen Bewertung für Text-zu-Audio-Video-Generierung

TongSIM: Eine allgemeine Plattform zur Simulation intelligenter Maschinen

Qwen-Image-Layered: Ein Weg zur inhärenten Editierbarkeit durch Schichtdekomposition

RoboSafe: Sicherung körperhafter Agenten durch ausführbare Sicherheitslogik

Evaluierung der Sicherheit von Arzneimitteln durch große Sprachmodelle in der praktischen Anwendung im primären Gesundheitswesen der NHS

Mehrfach-LLM-Thematische Analyse mit dualen Zuverlässigkeitsmetriken: Kombination von Cohens Kappa und semantischer Ähnlichkeit zur Validierung qualitativer Forschung

Aktive Intelligenz in Videogavataren durch geschlossenen Schleifen-Weltmodellierung

FaithLens: Erkennung und Erklärung von Treue-Halluzinationen

SAM Audio: Segmentieren von Allem im Audio

Schritt-DeepResearch Technischer Bericht

SpatialTree: Wie räumliche Fähigkeiten in MLLMs verzweigen

SemanticGen: Videoerzeugung im semantischen Raum

Automatisierte stereotaktische Radiosurgery-Planung unter Verwendung eines menschlich-im-Loop-Reasoning-Modells mit großer Sprachagenten

LongVideoAgent: Multi-Agent-Reasoning mit langen Videos

GenEnv: Schwierigkeitsausgeglichene ko-evolutionäre Entwicklung von LLM-Agenten und Umgebungssimulatoren

WorldWarp: Propagieren von 3D-Geometrie mit asynchroner Video-Diffusion

LoGoPlanner: Lokalisierungsgestützte Navigationspolitik mit metrikbewusster visueller Geometrie

Können LLMs das Schwierigkeitsniveau von Lernenden abschätzen? Mensch-AI-Übereinstimmung der Schwierigkeit durch Profizienz-Simulation zur Vorhersage der Item-Schwierigkeit

QuCo-RAG: Quantifizierung von Unsicherheit aus dem Pre-Training-Korpus für dynamische Retrieval-augmentierte Generierung

Die Prismenhypothese: Harmonisierung semantischer und Pixel-Darstellungen mittels einheitlicher Autoencoding

Med-Banana-50K: Ein multimodales, großskaliges Datensatz für textgesteuerte medizinische Bildbearbeitung

Kascade: Eine praktische spärliche Aufmerksamkeitsmethode für die Long-Context-LLM-Inferenz

GLM-4.5: Agentic, Reasoning und Coding (ARC) Grundmodelle

GroundingME: Aufdeckung der visuellen Grundierungslücke in MLLMs durch eine mehrdimensionale Bewertung

Sowohl Semantik als auch Rekonstruktion sind wichtig: Darstellungscodierer für die Text-zu-Bild-Generierung und -Bearbeitung optimieren

4D-RGPT: Ein Schritt hin zu einer regionenbasierten 4D-Wahrnehmung durch perceptuelle Distanzierung

Seed-Prover 1.5: Meistern des Beweisens von Theoremen auf Bachelor-Niveau durch Lernen aus Erfahrung

Nemotron 3 Nano: Open, effizienter Mixture-of-Experts-Hybrid-Mamba-Transformer-Modell für agenzentisches Reasoning

Jenseits der Speicherung: Ein multimodales ordinal-regressives Benchmark zur Aufdeckung von Popularitätsbias in Vision-Language-Modellen

DreaMontage: Frame-gesteuerte One-Shot-Videoerzeugung mit beliebigen Rahmen

T2AV-Compass: Hin zu einer einheitlichen Bewertung für Text-zu-Audio-Video-Generierung

TongSIM: Eine allgemeine Plattform zur Simulation intelligenter Maschinen

Qwen-Image-Layered: Ein Weg zur inhärenten Editierbarkeit durch Schichtdekomposition

RoboSafe: Sicherung körperhafter Agenten durch ausführbare Sicherheitslogik

Evaluierung der Sicherheit von Arzneimitteln durch große Sprachmodelle in der praktischen Anwendung im primären Gesundheitswesen der NHS

Mehrfach-LLM-Thematische Analyse mit dualen Zuverlässigkeitsmetriken: Kombination von Cohens Kappa und semantischer Ähnlichkeit zur Validierung qualitativer Forschung

Aktive Intelligenz in Videogavataren durch geschlossenen Schleifen-Weltmodellierung

FaithLens: Erkennung und Erklärung von Treue-Halluzinationen

SAM Audio: Segmentieren von Allem im Audio

Schritt-DeepResearch Technischer Bericht

SpatialTree: Wie räumliche Fähigkeiten in MLLMs verzweigen

SemanticGen: Videoerzeugung im semantischen Raum

Automatisierte stereotaktische Radiosurgery-Planung unter Verwendung eines menschlich-im-Loop-Reasoning-Modells mit großer Sprachagenten

LongVideoAgent: Multi-Agent-Reasoning mit langen Videos

GenEnv: Schwierigkeitsausgeglichene ko-evolutionäre Entwicklung von LLM-Agenten und Umgebungssimulatoren

WorldWarp: Propagieren von 3D-Geometrie mit asynchroner Video-Diffusion

LoGoPlanner: Lokalisierungsgestützte Navigationspolitik mit metrikbewusster visueller Geometrie

Können LLMs das Schwierigkeitsniveau von Lernenden abschätzen? Mensch-AI-Übereinstimmung der Schwierigkeit durch Profizienz-Simulation zur Vorhersage der Item-Schwierigkeit

QuCo-RAG: Quantifizierung von Unsicherheit aus dem Pre-Training-Korpus für dynamische Retrieval-augmentierte Generierung

Die Prismenhypothese: Harmonisierung semantischer und Pixel-Darstellungen mittels einheitlicher Autoencoding

Med-Banana-50K: Ein multimodales, großskaliges Datensatz für textgesteuerte medizinische Bildbearbeitung

Kascade: Eine praktische spärliche Aufmerksamkeitsmethode für die Long-Context-LLM-Inferenz

GLM-4.5: Agentic, Reasoning und Coding (ARC) Grundmodelle

GroundingME: Aufdeckung der visuellen Grundierungslücke in MLLMs durch eine mehrdimensionale Bewertung

Sowohl Semantik als auch Rekonstruktion sind wichtig: Darstellungscodierer für die Text-zu-Bild-Generierung und -Bearbeitung optimieren

4D-RGPT: Ein Schritt hin zu einer regionenbasierten 4D-Wahrnehmung durch perceptuelle Distanzierung

Seed-Prover 1.5: Meistern des Beweisens von Theoremen auf Bachelor-Niveau durch Lernen aus Erfahrung