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

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

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

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.

Wenn das Reasoning seinen Gesetzen begegnet

Junyu Zhang, Yifan Sun, Tianang Leng, et al.

Untersuchung der wissenschaftlichen Allgemeint intelligence von LLMs mittels wissenschaftlerausgerichteter Workflows

Wanghan Xu, Yuhao Zhou, Yifan Zhou, et al.

K2-V2: Ein 360-Offenes, reasoning-optimiertes LLM

Überwachtes Feinabstimmen

Zhengzhong Liu, Liping Tang, Linghao Jin, et al.

VenusBench-GD: Ein umfassender Multi-Plattform-GUI-Benchmark für vielfältige Grundlagenaufgaben

Mensch-Computer-Interaktion

Beitong Zhou, Zhexiao Huang, Yuan Guo, et al.

MCIF: Multimodales, mehrsprachiges Benchmark für Anweisungsfolge aus wissenschaftlichen Vorträgen

Sara Papi, Maike Züfle, Marco Gaido, et al.

NitroGen: Ein offenes Grundmodell für allgemeine Spielen-Agents

Computer Vision

Loic Magne, Anas Awadalla, Guanzhi Wang, et al.

H-Neuronen: Über das Vorhandensein, die Wirkung und den Ursprung von Halluzinationsassoziierten Neuronen in LLMs

Natürliche Sprachverarbeitung

Cheng Gao, Huimin Chen, Chaojun Xiao, et al.

Die Welt ist Ihre Leinwand: Malen von anpassbaren Ereignissen mit Referenzbildern, Trajektorien und Text

Hanlin Wang, Hao Ouyang, Qiuyu Wang, et al.

Alchemist: Effizienzsteigerung beim Training von Text-zu-Bild-Modellen durch Meta-Gradienten-basierte Datenauswahl

Diffusionsmodell

Kaixin Ding, Yang Zhou, Xi Chen, et al.

Tiefe beliebige Panoramen: Ein Grundmodell für die Panoramatiefe-Schätzung

Tiefenschätzung

3D-Maschinenvision

Xin Lin, Meixi Song, Dizhe Zhang, et al.

Generatives Refokussieren: Flexible Unschärfekontrolle aus einem einzigen Bild

Tiefenschätzung

Chun-Wei Tuan Mu, Jia-Bin Huang, Yu-Lun Liu

StereoPilot: Lernen einer einheitlichen und effizienten Stereo-Umwandlung mittels generativer Prioris

Videobearbeitung

Guibao Shen, Yihua Du, Wenhang Ge, et al.

Nächste-Embedding-Vorhersage macht starke Vision-Lerner

Computer Vision

Sihan Xu, Ziqiao Ma, Wenhao Chai, et al.

Agenten-KI: Eine Untersuchung der Horizonte multimodaler Interaktion

Körperliche Intelligenz

Zane Durante, Qiuyuan Huang, Naoki Wake, et al.

Künstlicher Intellekt als mathematischer Partner zur Förderung mathematischer Entdeckungen – Eine Fallstudie zur Homogenisierungstheorie

Künstliche Intelligenz

Yuanhang Liu, Beichen Wang, Peng Li, et al.

GenEval 2: Behandlung von Benchmark-Drift bei der Text-zu-Bild-Evaluation

Amita Kamath, Kai-Wei Chang, Ranjay Krishna, et al.

PrivateXR: Der Schutz vor Datenschutzangriffen im Extended Reality durch erklärbare KI-gesteuerte differenzielle Privatsphäre

Emotionserkennung

Ripan Kumar Kundu, Istiak Ahmed, Khaza Anuarul Hoque

Temporale Reibungen und gerichtliche Ergebnisse: Analyse des Einflusses von Zeitverzögerungen auf die Strafzumessung in Cook County (2020–2024)

Meta-RL fördert die Exploration bei Sprach-Agenten

Verstärkendes Lernen

Yulun Jiang, Liangze Jiang, Damien Teney, et al.

LLMCache: schichtweite Caching-Strategien zur beschleunigten Wiederverwendung bei der Transformer-Inferenz

Harsh Vardhan Bansal

OPENTOUCH: Vollflächige Berührung für die reale Interaktion bringen

Yuxin Ray Song, Jinzhou Li, Rao Fu, et al.

VideoRewardBench: Umfassende Bewertung multimodaler Belohnungsmodelle für das Videoverstehen

Visuelle Fragebeantwortung

Zhihong Zhang, Xiaojian Huang, Jin Xu, et al.

Soul: Leben in digitale Menschen für hochauflösende, langfristige multimodale Animation einhauchen

Jiangning Zhang, Junwei Zhu, Zhenye Gan, et al.

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

Wenn das Reasoning seinen Gesetzen begegnet

Untersuchung der wissenschaftlichen Allgemeint intelligence von LLMs mittels wissenschaftlerausgerichteter Workflows

K2-V2: Ein 360-Offenes, reasoning-optimiertes LLM

VenusBench-GD: Ein umfassender Multi-Plattform-GUI-Benchmark für vielfältige Grundlagenaufgaben

MCIF: Multimodales, mehrsprachiges Benchmark für Anweisungsfolge aus wissenschaftlichen Vorträgen

NitroGen: Ein offenes Grundmodell für allgemeine Spielen-Agents

H-Neuronen: Über das Vorhandensein, die Wirkung und den Ursprung von Halluzinationsassoziierten Neuronen in LLMs

Die Welt ist Ihre Leinwand: Malen von anpassbaren Ereignissen mit Referenzbildern, Trajektorien und Text

Alchemist: Effizienzsteigerung beim Training von Text-zu-Bild-Modellen durch Meta-Gradienten-basierte Datenauswahl

Tiefe beliebige Panoramen: Ein Grundmodell für die Panoramatiefe-Schätzung

Generatives Refokussieren: Flexible Unschärfekontrolle aus einem einzigen Bild

StereoPilot: Lernen einer einheitlichen und effizienten Stereo-Umwandlung mittels generativer Prioris

Nächste-Embedding-Vorhersage macht starke Vision-Lerner

Agenten-KI: Eine Untersuchung der Horizonte multimodaler Interaktion

Künstlicher Intellekt als mathematischer Partner zur Förderung mathematischer Entdeckungen – Eine Fallstudie zur Homogenisierungstheorie

GenEval 2: Behandlung von Benchmark-Drift bei der Text-zu-Bild-Evaluation

PrivateXR: Der Schutz vor Datenschutzangriffen im Extended Reality durch erklärbare KI-gesteuerte differenzielle Privatsphäre

Temporale Reibungen und gerichtliche Ergebnisse: Analyse des Einflusses von Zeitverzögerungen auf die Strafzumessung in Cook County (2020–2024)

Meta-RL fördert die Exploration bei Sprach-Agenten

LLMCache: schichtweite Caching-Strategien zur beschleunigten Wiederverwendung bei der Transformer-Inferenz

OPENTOUCH: Vollflächige Berührung für die reale Interaktion bringen

VideoRewardBench: Umfassende Bewertung multimodaler Belohnungsmodelle für das Videoverstehen

Soul: Leben in digitale Menschen für hochauflösende, langfristige multimodale Animation einhauchen

2.877