Command Palette
Search for a command to run...
Papers
Täglich aktualisierte hochmoderne KI-Forschungsarbeiten, um Sie über die neuesten KI-Trends auf dem Laufenden zu halten
Papers

Virtuelle Agentenökonomien

Zum Verständnis der visuellen Grundlage in visuellen Sprachmodellen






























Kling-Avatar: Grundlagen multimodaler Anweisungen für die kaskadierte Synthese langdauernder Avatar-Animationen
Machine Learning LM: Fortgesetztes Vortrainieren von Sprachmodellen auf Millionen synthetischer tabellarischer Vorhersageaufgaben skaliert kontextbasiertes maschinelles Lernen
EchoX: Eine Annäherung an die Reduzierung der akustisch-semantischen Lücke durch Echotrainings für Sprache-zu-Sprache-LLMs
SimpleVLA-RL: Skalierung des VLA-Trainings mittels Verstärkungslernen
VLA-Adapter: Ein effektives Paradigma für kleine Vision-Sprache-Aktion-Modelle
scSiameseClu: Ein Siamese-Clustering-Rahmenwerk zur Interpretation von Einzelzell-RNA-Sequenzierungsdaten
ST-Raptor: Fragenbeantwortung für halbstrukturierte Tabellen mit Unterstützung durch Sprachmodelle
OmniSpatial: Ein umfassender Benchmark für räumliches Schließen bei visuellen Sprachmodellen
Verständnis ökonomischer Kompromisse zwischen menschlichen und KI-Agenten in Verhandlungsspielen
Jupiter: Verbesserung der Datenanalysefähigkeit von LLMs durch Notizbuch- und inferenzzeitbasierte wertegesteuerte Suche
Technischer Bericht zu Hunyuan-MT
P3-SAM: Native 3D-Teilsegmentierung
AgentGym-RL: Schulung von LLM-Agenten für Entscheidungen mit langer Horizonte durch mehrfach turnbasiertes Verstärkungslernen
3D- und 4D-Weltmodellierung: Eine Übersicht
RewardDance: Belohnungsskalierung in der visuellen Generierung
Teilen ist Fürsorge: Effizientes Nachtraining von Sprachmodellen mit kollektiver RL-Erfahrungsteilung
FinReflectKG: Agente Konstruktion und Bewertung von Finanzwissensgraphen
Eine Übersicht über Verstärkendes Lernen für große Schlussfolgerungsmodelle
Die Messung und Minderung einer übermäßigen Abhängigkeit ist notwendig für den Aufbau menschenkompatibler KI
F1: Ein Vision-Sprache-Aktion-Modell, das Verständnis und Generierung mit Aktionen verbindet
UMO: Skalierung der Mehrfach-Identitäts-Konsistenz für die Bildanpassung mittels Übereinstimmungsbelohnung
Rekonstruktion und Ausrichtung verbessern einheitliche multimodale Modelle
Mini-o3: Skalierung von Schlussfolgerungsmustern und Interaktionsschritten für die visuelle Suche
Visuelle Repräsentationsausrichtung für multimodale große Sprachmodelle
Parallel-R1: Ein Weg zur parallelen Denkweise durch Verstärkungslernen
WenetSpeech-Yue: Ein großes kantonesisches Sprachkorpus mit mehrdimensionaler Annotation
SheetDesigner: MLLM-gestützte Tabellenlayoutgenerierung mit regelbasiertem und visionsbasiertem Reflektieren
Autonome Code-Evolution trifft auf NP-Vollständigkeit
Grundlagen des Verstärkenden Lernens für tiefe Forschungssysteme: Eine Übersicht
Verstärkte visuelle Wahrnehmung durch Werkzeuge