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

DeepEyesV2: Ein Schritt hin zu einem agierenden multimodalen Modell

DeepEyesV2: Ein Schritt hin zu einem agierenden multimodalen Modell

Jack Hong, Chenxiao Zhao, ChengLin Zhu, et al.

Einsatz von kontinuierlicher Glukoseüberwachung mit maschinellem Lernen zur Identifizierung metabolischer Subphänotypen und zur Informationsgewinnung für präzise Lebensstiländerungen

Einsatz von kontinuierlicher Glukoseüberwachung mit maschinellem Lernen zur Identifizierung metabolischer Subphänotypen und zur Informationsgewinnung für präzise Lebensstiländerungen

Ahmed A. Metwally, Heyjun Park, Yue Wu, et al.

Die Wiederverwendung von Vortrainingsdaten zur Testzeit wirkt sich wie ein Rechenverstärker aus

Retrieval-Augmented Generation

Alex Fang, Thomas Voice, Ruoming Pang, et al.

NVIDIA Nemotron Nano V2 VL

NVIDIA, Amala Sanjay Deshmukh, Kateryna Chumachenko, et al.

CostBench: Bewertung von Multi-Turn-Kosten-optimalem Planen und Anpassen in dynamischen Umgebungen für LLM-Tool-Verwendungs-Agenten

Jiayu Liu, Cheng Qian, Zhaochen Su, et al.

Cambrian-S: Hin zu einer räumlichen Supersensierung in Videos

Shusheng Yang, Jihan Yang, Pinzhi Huang, et al.

Skalierung des Lernens von Agenten durch Erfahrungssynthese

Verstärkendes Lernen

Zhaorun Chen, Zhuokai Zhao, Kai Zhang, et al.

V-Thinker: Interaktives Denken mit Bildern

Runqi Qiao, Qiuna Tan, Minghan Yang, et al.

Mit Video denken: Videoerzeugung als vielversprechendes multimodales Schlussfolgerungsparadigma

Jingqi Tong, Yurong Mou, Hangcheng Li, et al.

Neue Entwicklungen in der Biomolekulardynamik-Simulation von Bernstein

David A. Case, David S. Cerutti, Vinicius Wilian D. Cruzeiro, et al.

UltraHR-100K: Verbesserung der UHR-Bildsynthese mit einem großflächigen, hochwertigen Datensatz

Diffusionsmodell

Chen Zhao, En Ci, Yunzhe Xu, et al.

Von fünf Dimensionen zu vielen: Große Sprachmodelle als präzise und interpretierbare psychologische Profiler

Yi-Fei Liu, Yi-Long Lu, Di He, et al.

Knotenbasierte Bearbeitung für multimodale Generierung von Text, Audio, Bild und Video

Multimodale Darstellung

Alexander Htet Kyaw, Lenin Ravindranath Sivalingam

DR. WELL: Dynamisches Reasoning und Lernen mit symbolischen Weltmodellen für körperhafte, auf Sprachmodellen basierende Multi-Agenten-Kooperation

Narjes Nourzad, Hanqing Yang, Shiyu Chen, et al.

Orion-MSP: Multi-Scale Sparse Attention für tabellenbasiertes In-Context-Lernen

Mohamed Bouadi, Pratinav Seth, Aditya Tanna, et al.

TabTune: Eine einheitliche Bibliothek für die Inferenz und Feinabstimmung tabellenbasierter Grundmodelle

Überwachtes Feinabstimmen

Aditya Tanna, Pratinav Seth, Mohamed Bouadi, et al.

Technischer Bericht zu Step-Audio-EditX

Chao Yan, Boyong Wu, Peng Yang, et al.

LEGO-Eval: Ein Ansatz für eine feinabgestimmte Bewertung der Synthese 3D-embodierter Umgebungen mit Werkzeugerweiterung

Gyeom Hwangbo, Hyungjoo Chae, Minseok Kang, et al.

UniAVGen: Einheitliche Audio- und Videogenerierung mit asymmetrischen, quermodalen Wechselwirkungen

Guozhen Zhang, Zixiang Zhou, Teng Hu, et al.

Diffusions-Sprachmodelle sind überlegene Datenerlerner

Natürliche Sprachverarbeitung

Jinjie Ni, Qian Liu, Longxu Dou, et al.

UNO-Bench: Ein einheitlicher Benchmark zur Untersuchung des Zusammensetzungsgesetzes zwischen einmodalen und omni-modalen Komponenten in omni-Modellen

Chen Chen, ZeYang Hu, Fengjiao Chen, et al.

Dynamische, populationsverteilungsbeobachtende Generierung menschlicher Trajektorien mit Diffusionsmodellen

Diffusionsmodell

Qingyue Long, Can Rong, Tong Li, et al.

Text-zu-Roboter-Assemblierung mehrkomponentiger Objekte unter Verwendung von 3D-generativer KI und Vision-Sprach-Modellen

Visuelle Fragebeantwortung

Alexander Htet Kyaw, Richa Gupta, Dhruv Shah, et al.

Kosmos: Ein KI-Wissenschaftler für die autonome Entdeckung

KI Für Die Wissenschaft

Ludovico Mitchener, Angela Yiu, Benjamin Chang, et al.

Kürzer, aber nicht schlechter: Sparsame Schlussfolgerung durch einfache Beispiele als Längenregulatoren in der Mathematik-RLVR

Abdelaziz Bounhar, Hadi Abdine, Evan Dufraisse, et al.

Brain-IT: Bildrekonstruktion aus fMRT mittels Brain-Interaction-Transformer

Computer Vision

Roman Beliy, Amit Zalcher, Jonathan Kogman, et al.

Wenn Modalitäten im Widerspruch zueinander stehen: Wie die Unsicherheit des unimodalen Schließens die Präferenzdynamik in multimodalen großen Sprachmodellen steuert

Visuelle Fragebeantwortung

Zhuoran Zhang, Tengyue Wang, Xilin Gong, et al.

Blenden Sie Ihren VLA nicht aus: Anpassung visueller Darstellungen für OOD-Verallgemeinerung

Multimodale Darstellung

Nikita Kachaev, Mikhail Kolosov, Daniil Zelezetsky, et al.

Wenn Visualisieren der erste Schritt zum Schlussfolgern ist: MIRA, eine Benchmark für visuelle Kette des Denkens

Yiyang Zhou, Haoqin Tu, Zijun Wang, et al.

VCode: Ein multimodales Kodierungsbenchmark mit SVG als symbolischer visueller Darstellung

Codegenerierung

Kevin Qinghong Lin, Yuhao Zheng, Hangyu Ran, et al.

Der KI-Produktivitätsindex (APEX)

Bertie Vidgen, Abby Fennelly, Evan Pinnix, et al.

Chain-of-Frames: Fortschritte im Verständnis von Videos in multimodalen LLMs durch rahmenbewusstes Schlussfolgern

Visuelle Fragebeantwortung

Sara Ghazanfari, Francesco Croce, Nicolas Flammarion, et al.

Die Wiederverwendung von Vortrainingsdaten zur Testzeit wirkt sich wie ein Rechenverstärker aus

NVIDIA Nemotron Nano V2 VL

CostBench: Bewertung von Multi-Turn-Kosten-optimalem Planen und Anpassen in dynamischen Umgebungen für LLM-Tool-Verwendungs-Agenten

Cambrian-S: Hin zu einer räumlichen Supersensierung in Videos

Skalierung des Lernens von Agenten durch Erfahrungssynthese

V-Thinker: Interaktives Denken mit Bildern

Mit Video denken: Videoerzeugung als vielversprechendes multimodales Schlussfolgerungsparadigma

Neue Entwicklungen in der Biomolekulardynamik-Simulation von Bernstein

UltraHR-100K: Verbesserung der UHR-Bildsynthese mit einem großflächigen, hochwertigen Datensatz

Von fünf Dimensionen zu vielen: Große Sprachmodelle als präzise und interpretierbare psychologische Profiler

Knotenbasierte Bearbeitung für multimodale Generierung von Text, Audio, Bild und Video

DR. WELL: Dynamisches Reasoning und Lernen mit symbolischen Weltmodellen für körperhafte, auf Sprachmodellen basierende Multi-Agenten-Kooperation

Orion-MSP: Multi-Scale Sparse Attention für tabellenbasiertes In-Context-Lernen

TabTune: Eine einheitliche Bibliothek für die Inferenz und Feinabstimmung tabellenbasierter Grundmodelle

Technischer Bericht zu Step-Audio-EditX

LEGO-Eval: Ein Ansatz für eine feinabgestimmte Bewertung der Synthese 3D-embodierter Umgebungen mit Werkzeugerweiterung

UniAVGen: Einheitliche Audio- und Videogenerierung mit asymmetrischen, quermodalen Wechselwirkungen

Diffusions-Sprachmodelle sind überlegene Datenerlerner

UNO-Bench: Ein einheitlicher Benchmark zur Untersuchung des Zusammensetzungsgesetzes zwischen einmodalen und omni-modalen Komponenten in omni-Modellen

Dynamische, populationsverteilungsbeobachtende Generierung menschlicher Trajektorien mit Diffusionsmodellen

Text-zu-Roboter-Assemblierung mehrkomponentiger Objekte unter Verwendung von 3D-generativer KI und Vision-Sprach-Modellen

Kosmos: Ein KI-Wissenschaftler für die autonome Entdeckung

Kürzer, aber nicht schlechter: Sparsame Schlussfolgerung durch einfache Beispiele als Längenregulatoren in der Mathematik-RLVR

Brain-IT: Bildrekonstruktion aus fMRT mittels Brain-Interaction-Transformer

Wenn Modalitäten im Widerspruch zueinander stehen: Wie die Unsicherheit des unimodalen Schließens die Präferenzdynamik in multimodalen großen Sprachmodellen steuert

Blenden Sie Ihren VLA nicht aus: Anpassung visueller Darstellungen für OOD-Verallgemeinerung

Wenn Visualisieren der erste Schritt zum Schlussfolgern ist: MIRA, eine Benchmark für visuelle Kette des Denkens

VCode: Ein multimodales Kodierungsbenchmark mit SVG als symbolischer visueller Darstellung

Der KI-Produktivitätsindex (APEX)

Chain-of-Frames: Fortschritte im Verständnis von Videos in multimodalen LLMs durch rahmenbewusstes Schlussfolgern

2.877