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

Sehen, Hören, Erinnern und Schlussfolgern: Ein multimodales Agens mit Langzeitgedächtnis

Sehen, Hören, Erinnern und Schlussfolgern: Ein multimodales Agens mit Langzeitgedächtnis

Lin Long, Yichen He, Wentao Ye, et al.

Diffusions-LLMs können schneller als AR-Inferenz über diskrete Diffusion erzwingen

Diffusions-LLMs können schneller als AR-Inferenz über diskrete Diffusion erzwingen

Diffusionsmodell

Xu Wang, Chenkai Xu, Yijie Jin, et al.

AWorld: Dynamisches Multi-Agenten-System mit stabiler Manövrierfähigkeit für robuste Lösung des GAIA-Problems

Zhitian Xie, Qintong Wu, Chengyue Yu, et al.

Story2Board: Ein trainingsfreier Ansatz zur expressiven Erstellung von Storyboards

Bildgenerierung

David Dinkevich, Matan Levy, Omri Avrahami, et al.

Ersatzidentität: Eine leichtgewichtige und plug-and-play-Identitätssteuerung für die Videogenerierung

Bowen Xue, Qixin Yan, Wenjing Wang, et al.

Mol-R1: Hin zu expliziter Lang-CoT-Reasoning in der Molekülentdeckung

Überwachtes Feinabstimmen

Jiatong Li, Weida Wang, Qinggang Zhang, et al.

Llama-Nemotron: Effiziente Modellen für logisches Schlussfolgern

Akhiad Bercovich, Itay Levy, Izik Golan, et al.

Document Haystack: Ein Benchmark für multimodale Bild-/Dokumentenverstehens-Vision-LLMs mit langen Kontexten

Dokumentenverstehen

Visuelle Dokumentenabfrage

Goeric Huybrechts, Srikanth Ronanki, Sai Muralidhar Jayanthi, et al.

Echo-4o: Die Kraft synthetischer Bilder basierend auf GPT-4o zur Verbesserung der Bildgenerierung nutzen

Junyan Ye, Dongzhi Jiang, Zihao Wang, et al.

Virtuelle Färbung von markierungsfreiem Gewebe in der Bildgebungsmassenspektrometrie

Computer Vision

Yijie Zhang, Luzhe Huang, Nir Pillar, et al.

VisCodex: Einheitliche multimodale Codegenerierung durch die Integration von Visueller und Codierungsmodelle

Codegenerierung

Multimodale Darstellung

Lingjie Jiang, Shaohan Huang, Xun Wu, et al.

HierSearch: Ein hierarchisches tiefes Suchframework für Unternehmen, das lokale und Web-Suchen integriert

Retrieval-Augmented Generation

Jiejun Tan, Zhicheng Dou, Yan Yu, et al.

Zeit ist eine Eigenschaft: Ausnutzung zeitlicher Dynamik in Diffusions-Sprachmodellen

Diffusionsmodell

Wen Wang, Bozhen Fang, Chenchen Jing, et al.

CharacterShot: Steuerbare und konsistente 4D-Charakteranimation

Junyao Gao, Jiaxing Li, Wenran Liu, et al.

Jenseits von zehn Zugriffen: Freigabe langfristiger agenter Suche mit großskaliger asynchroner RL

Verstärkendes Lernen

Intelligente Fragebeantwortung

Jiaxuan Gao, Wei Fu, Minyang Xie, et al.

Matrix-3D: Omnidirektionale, erkundbare Generierung von 3D-Welten

Zhongqi Yang, Wenhang Ge, Yuqi Li, et al.

WebWatcher: Neue Grenzen des visuell-sprachlichen tiefen Forschungsagents erschließend

Visuelle Fragebeantwortung

Xinyu Geng, Peng Xia, Zhen Zhang, et al.

Marco-Voice Technischer Bericht

Fengping Tian, Chenyang Lyu, Xuanfan Ni, et al.

Kimina-Prover-Vorschau: Schritte hin zu großen formalen Schlussfolgerungsmodellen mit Verstärkungslernen

Haiming Wang, Mert Unsal, Xiaohan Lin, et al.

Intrinsische Gedächtnis-Agenten: Heterogene Multi-Agenten-LLM-Systeme durch strukturiertes kontextuelles Gedächtnis

Sizhe Yuen, Francisco Gomez Medina, Ting Su, et al.

Entwicklung hochfunktionaler Genom-Editoren durch Modellierung von CRISPR–Cas-Sequenzen

KI Für Die Wissenschaft

Natürliche Sprachverarbeitung

Jeffrey A. Ruffolo, Stephen Nayfach, Joseph Gallagher, et al.

UserBench: Eine interaktive Gym-Umgebung für benutzerzentrierte Agenten

Cheng Qian, Zuxin Liu, Akshara Prabhakar, et al.

SONAR-LLM: Autoregressiver Transformer, der in Satzembeddings denkt und in Tokens spricht

Nikita Dragunov, Temurbek Rahmatullaev, Elizaveta Goncharova, et al.

Klear-Reasoner: Weiterentwicklung der Schlussfolgerungsfähigkeit durch optimierte Politik-Clipping mit Gradientenerhaltung

Überwachtes Feinabstimmen

Zhenpeng Su, Leiyu Pan, Xue Bai, et al.

Omni-Effekte: Einheitliche und räumlich steuerbare Generierung visueller Effekte

Fangyuan Mao, Aiming Hao, Jintao Chen, et al.

WideSearch: Benchmarking agenter breiter Informationsbeschaffung

Ryan Wong, Jiawei Wang, Junjie Zhao, et al.

ReasonRank: Passage-Ranking mit starker Schlussfolgerungsfähigkeit ermöglichen

Wenhan Liu, Xinyu Ma, Weiwei Sun, et al.

AdaptFlow: Adaptive Workflow-Optimierung mittels Meta-Lernen

Runchuan Zhu, Bowen Jiang, Lingrui Mei, et al.

Mittlergeleitete mehragentenbasierte Zusammenarbeit offener Quellcode-Modelle für medizinische Entscheidungsfindung

Visuelle Fragebeantwortung

Kaitao Chen, Mianxin Liu, Daoming Zong, et al.

Anpassung von Vision-Sprache-Modellen ohne Labels: Eine umfassende Übersicht

Multimodale Darstellung

Hao Dong, Lijun Sheng, Jian Liang, et al.

GENIE: Gaussian Encoding für die interaktive Bearbeitung von Neural Radiance Fields

3D-Maschinenvision

Mikołaj Zieliński, Krzysztof Byrski, Tomasz Szczepanik, et al.

Pruning die Erwartbaren: Effizientes Code-Reasoning über die First-Token-Überraschung

Codegenerierung

Wenhao Zeng, Yaoning Wang, Chao Hu, et al.

AWorld: Dynamisches Multi-Agenten-System mit stabiler Manövrierfähigkeit für robuste Lösung des GAIA-Problems

Story2Board: Ein trainingsfreier Ansatz zur expressiven Erstellung von Storyboards

Ersatzidentität: Eine leichtgewichtige und plug-and-play-Identitätssteuerung für die Videogenerierung

Mol-R1: Hin zu expliziter Lang-CoT-Reasoning in der Molekülentdeckung

Llama-Nemotron: Effiziente Modellen für logisches Schlussfolgern

Document Haystack: Ein Benchmark für multimodale Bild-/Dokumentenverstehens-Vision-LLMs mit langen Kontexten

Echo-4o: Die Kraft synthetischer Bilder basierend auf GPT-4o zur Verbesserung der Bildgenerierung nutzen

Virtuelle Färbung von markierungsfreiem Gewebe in der Bildgebungsmassenspektrometrie

VisCodex: Einheitliche multimodale Codegenerierung durch die Integration von Visueller und Codierungsmodelle

HierSearch: Ein hierarchisches tiefes Suchframework für Unternehmen, das lokale und Web-Suchen integriert

Zeit ist eine Eigenschaft: Ausnutzung zeitlicher Dynamik in Diffusions-Sprachmodellen

CharacterShot: Steuerbare und konsistente 4D-Charakteranimation

Jenseits von zehn Zugriffen: Freigabe langfristiger agenter Suche mit großskaliger asynchroner RL

Matrix-3D: Omnidirektionale, erkundbare Generierung von 3D-Welten

WebWatcher: Neue Grenzen des visuell-sprachlichen tiefen Forschungsagents erschließend

Marco-Voice Technischer Bericht

Kimina-Prover-Vorschau: Schritte hin zu großen formalen Schlussfolgerungsmodellen mit Verstärkungslernen

Intrinsische Gedächtnis-Agenten: Heterogene Multi-Agenten-LLM-Systeme durch strukturiertes kontextuelles Gedächtnis

Entwicklung hochfunktionaler Genom-Editoren durch Modellierung von CRISPR–Cas-Sequenzen

UserBench: Eine interaktive Gym-Umgebung für benutzerzentrierte Agenten

SONAR-LLM: Autoregressiver Transformer, der in Satzembeddings denkt und in Tokens spricht

Klear-Reasoner: Weiterentwicklung der Schlussfolgerungsfähigkeit durch optimierte Politik-Clipping mit Gradientenerhaltung

Omni-Effekte: Einheitliche und räumlich steuerbare Generierung visueller Effekte

WideSearch: Benchmarking agenter breiter Informationsbeschaffung

ReasonRank: Passage-Ranking mit starker Schlussfolgerungsfähigkeit ermöglichen

AdaptFlow: Adaptive Workflow-Optimierung mittels Meta-Lernen

Mittlergeleitete mehragentenbasierte Zusammenarbeit offener Quellcode-Modelle für medizinische Entscheidungsfindung

Anpassung von Vision-Sprache-Modellen ohne Labels: Eine umfassende Übersicht

GENIE: Gaussian Encoding für die interaktive Bearbeitung von Neural Radiance Fields

Pruning die Erwartbaren: Effizientes Code-Reasoning über die First-Token-Überraschung

2.877