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)

Autoregressive Adversarial Post-Training für die Echtzeit-Interaktive Videoerstellung

Autoregressive Adversarial Post-Training für die Echtzeit-Interaktive Videoerstellung

Diffusionsmodell

Shanchuan Lin, Ceyuan Yang, Hao He, et al.

Konfidenz ist alles, was du brauchst: Few-Shot-RL Feinabstimmung von Sprachmodellen

Konfidenz ist alles, was du brauchst: Few-Shot-RL Feinabstimmung von Sprachmodellen

Verstärkendes Lernen

Überwachtes Feinabstimmen

Li, Pengyi, Skripkin, et al.

Zur Verwendung selbstüberwachter Sprachrepräsentationen in der spontanen Spracherzeugung

Audio- Und Sprachverarbeitung

Siyang Wang, Gustav Eje Henter, Joakim Gustafson, et al.

Effizientes Kraftfeld-basiertes maschinelles Lernen für großskalige molekulare Simulationen organischer Systeme

KI Für Die Wissenschaft

Junbao Hu, Liyang Zhou, Jian Jiang

MIRAGE: Abruf und Generierung multimodaler Bilder und Texte für die medizinische Ausbildung

Medizinische Bildgebung

Miguel Díaz Benito, Cecilia Diana-Albelda, Álvaro García-Martín, et al.

ComfyGPT: Ein selbstoptimierendes Multi-Agenten-System zur umfassenden Generierung von ComfyUI-Arbeitsabläufen

Bildgenerierung

Oucheng Huang, Yuhang Ma, Zeng Zhao, et al.

Design eines Sequenzmodells für die Codevervollständigung in der modernen Entwicklungsumgebung

Codegenerierung

ACE-Step: Ein Schritt hin zu einem grundlegenden Modell für die Musikgenerierung

Diffusionsmodell

Junmin Gong, Sean Zhao, Sen Wang, et al.

Zero-Shot-Text-zu-Sprache-Synthese, konditioniert mit einem selbstüberwachten Sprachrepräsentationsmodell

Kenichi Fujita, Takanori Ashihara, Hiroki Kanagawa, et al.

Können kleine und reasoning-fähige große Sprachmodelle wissenschaftliche Artikel zur Forschungsqualität bewerten, und fördern averaging sowie Few-shot-Ansätze dabei?

Mike Thelwall, Ehsan Mohammadi

Ein theoretisches Limit des Physicalismus: Eine nicht-technische Erläuterung des Gemini-Theorems

Catherine M Reason

EmoSSLSphere: Mehrsprachige emotionale Sprachsynthese mit sphärischen Vektoren und diskreten Speech-Tokens

Audio- Und Sprachverarbeitung

Joonyong Park, Kenichi Nakamura

Ausbreitungsdynamik von kreisförmigen Airy-Gauß-Vortextstrahlen in der fraktionalen nichtlinearen Schrödinger-Gleichung

Shangling He, Kangzhu Zhou, Xi Peng, et al.

Informationsgehalt eines Pixels in einem digitalen Bild

Bildverarbeitung

Erkennung handschriftlicher römischer Schrift unter Verwendung der Open-Source-OCR-Engine Tesseract

Sandip Rakshit, Subhadip Basu

TimeSenCLIP: Ein Modell für Vision und Sprache mit Zeitreihen zur Fernerkundung

Multimodale Darstellung

Pallavi Jain, Diego Marcos, Dino Ienco, et al.

Lernen der zeitlichen Entwicklung räumlicher Abhängigkeiten mit generalisierten spatio-temporalen Gauß-Prozess-Modellen

Diffusionsmodell

TripoSG: Hochpräzise 3D-Formensynthese mittels großskaliger rektifizierter Flussmodelle

Diffusionsmodell

Yangguang Li, Zi-Xin Zou, Zexiang Liu, et al.

Technischer Bericht zu Qwen2.5-Omni

Flash-VStream: Speicherbasiertes Echtzeit-Verständnis für lange Videostreams

Visuelle Fragebeantwortung

Haoji Zhang, Yiqin Wang, Yansong Tang, et al.

PhotoMaker: Anpassung realistischer menschlicher Fotos durch gestapelte ID-Embedding

Diffusionsmodell

Zhen Li extsuperscript1,2∗, Mingdeng Cao extsuperscript2,3∗, Xintao Wang extsuperscript2, et al.

AnyText: Multilingual Visual Text Generation and Editing

Yuxiang Tuo, Wangmeng Xiang, Jun-Yan He, et al.

Eine moral- und ereigniszentrierte Untersuchung von Geschlechterstereotypen in Märchen im großen Maßstab

Natürliche Sprachverarbeitung

Dokumentenverstehen

Zhixuan Zhou, Jiao Sun, Jiaxin Pei, et al.

Hyper-SD: Trajektoriensegmentiertes Konsistenzmodell für effiziente Bildsynthese

Diffusionsmodell

Bildgenerierung

Yuxi Ren, Xin Xia, Yanzuo Lu, et al.

DeepSeek-Prover-V1.5: Die Nutzung von Beweisassistenten-Feedback für
Reinforcement Learning und Monte-Carlo-Baumsuche

Verstärkendes Lernen

Huajian Xin, Z. Z. Ren, Junxiao Song, et al.

LLaVA-OneVision: Einfache visuelle Aufgabenübertragung

Bo Li, Yuanhan Zhang, Dong Guo, et al.

MinerU: Eine quelloffene Lösung zur präzisen Extraktion von Dokumentinhalten

Dokumentenverstehen

Bin Wang, Chao Xu, Xiaomeng Zhao, et al.

Audio-aware Style Reference für lippenbewegungs- und stilgerechte Synchronisation

Weizhi Zhong, Jichang Li, Yinqi Cai, et al.

S2VG: 3D stereoskopische und räumliche Videoerstellung durch Denoising der Rahmenmatrix

Peng Dai, Feitong Tan, Qiangeng Xu, et al.

Whisper-Flamingo: Integration visueller Merkmale in Whisper für audiovisuelle Spracherkennung und -übersetzung

Audio- Und Sprachverarbeitung

Andrew Rouditchenko, Yuan Gong, Samuel Thomas, et al.

Code-Generierung und algorithmische Problemlösung mit Llama 3.1 405B

Codegenerierung

Aniket Deroy, Subhankar Maity

Wissenszugang ermöglichen: Divergente Strategien zur Lesbarkeit-Genauigkeit von Mistral und QWen bei der Vereinfachung biomedizinischer Texte

Natürliche Sprachverarbeitung

P. Bilha Githinji, Aikaterini Melliou, Zeming Liang, et al.

Autoregressive Adversarial Post-Training für die Echtzeit-Interaktive Videoerstellung

Autoregressive Adversarial Post-Training für die Echtzeit-Interaktive Videoerstellung

Diffusionsmodell

Shanchuan Lin, Ceyuan Yang, Hao He, et al.

Konfidenz ist alles, was du brauchst: Few-Shot-RL Feinabstimmung von Sprachmodellen

Konfidenz ist alles, was du brauchst: Few-Shot-RL Feinabstimmung von Sprachmodellen

Verstärkendes Lernen

Überwachtes Feinabstimmen

Li, Pengyi, Skripkin, et al.

Zur Verwendung selbstüberwachter Sprachrepräsentationen in der spontanen Spracherzeugung

Audio- Und Sprachverarbeitung

Siyang Wang, Gustav Eje Henter, Joakim Gustafson, et al.

Effizientes Kraftfeld-basiertes maschinelles Lernen für großskalige molekulare Simulationen organischer Systeme

KI Für Die Wissenschaft

Junbao Hu, Liyang Zhou, Jian Jiang

MIRAGE: Abruf und Generierung multimodaler Bilder und Texte für die medizinische Ausbildung

Medizinische Bildgebung

Miguel Díaz Benito, Cecilia Diana-Albelda, Álvaro García-Martín, et al.

ComfyGPT: Ein selbstoptimierendes Multi-Agenten-System zur umfassenden Generierung von ComfyUI-Arbeitsabläufen

Bildgenerierung

Oucheng Huang, Yuhang Ma, Zeng Zhao, et al.

Design eines Sequenzmodells für die Codevervollständigung in der modernen Entwicklungsumgebung

Codegenerierung

ACE-Step: Ein Schritt hin zu einem grundlegenden Modell für die Musikgenerierung

Diffusionsmodell

Junmin Gong, Sean Zhao, Sen Wang, et al.

Zero-Shot-Text-zu-Sprache-Synthese, konditioniert mit einem selbstüberwachten Sprachrepräsentationsmodell

Kenichi Fujita, Takanori Ashihara, Hiroki Kanagawa, et al.

Können kleine und reasoning-fähige große Sprachmodelle wissenschaftliche Artikel zur Forschungsqualität bewerten, und fördern averaging sowie Few-shot-Ansätze dabei?

Mike Thelwall, Ehsan Mohammadi

Ein theoretisches Limit des Physicalismus: Eine nicht-technische Erläuterung des Gemini-Theorems

Catherine M Reason

EmoSSLSphere: Mehrsprachige emotionale Sprachsynthese mit sphärischen Vektoren und diskreten Speech-Tokens

Audio- Und Sprachverarbeitung

Joonyong Park, Kenichi Nakamura

Ausbreitungsdynamik von kreisförmigen Airy-Gauß-Vortextstrahlen in der fraktionalen nichtlinearen Schrödinger-Gleichung

Shangling He, Kangzhu Zhou, Xi Peng, et al.

Informationsgehalt eines Pixels in einem digitalen Bild

Bildverarbeitung

Erkennung handschriftlicher römischer Schrift unter Verwendung der Open-Source-OCR-Engine Tesseract

Sandip Rakshit, Subhadip Basu

TimeSenCLIP: Ein Modell für Vision und Sprache mit Zeitreihen zur Fernerkundung

Multimodale Darstellung

Pallavi Jain, Diego Marcos, Dino Ienco, et al.

Lernen der zeitlichen Entwicklung räumlicher Abhängigkeiten mit generalisierten spatio-temporalen Gauß-Prozess-Modellen

Diffusionsmodell

TripoSG: Hochpräzise 3D-Formensynthese mittels großskaliger rektifizierter Flussmodelle

Diffusionsmodell

Yangguang Li, Zi-Xin Zou, Zexiang Liu, et al.

Technischer Bericht zu Qwen2.5-Omni

Flash-VStream: Speicherbasiertes Echtzeit-Verständnis für lange Videostreams

Visuelle Fragebeantwortung

Haoji Zhang, Yiqin Wang, Yansong Tang, et al.

PhotoMaker: Anpassung realistischer menschlicher Fotos durch gestapelte ID-Embedding

Diffusionsmodell

Zhen Li extsuperscript1,2∗, Mingdeng Cao extsuperscript2,3∗, Xintao Wang extsuperscript2, et al.

AnyText: Multilingual Visual Text Generation and Editing

Yuxiang Tuo, Wangmeng Xiang, Jun-Yan He, et al.

Eine moral- und ereigniszentrierte Untersuchung von Geschlechterstereotypen in Märchen im großen Maßstab

Natürliche Sprachverarbeitung

Dokumentenverstehen

Zhixuan Zhou, Jiao Sun, Jiaxin Pei, et al.

Hyper-SD: Trajektoriensegmentiertes Konsistenzmodell für effiziente Bildsynthese

Diffusionsmodell

Bildgenerierung

Yuxi Ren, Xin Xia, Yanzuo Lu, et al.

DeepSeek-Prover-V1.5: Die Nutzung von Beweisassistenten-Feedback für
Reinforcement Learning und Monte-Carlo-Baumsuche

Verstärkendes Lernen

Huajian Xin, Z. Z. Ren, Junxiao Song, et al.

LLaVA-OneVision: Einfache visuelle Aufgabenübertragung

Bo Li, Yuanhan Zhang, Dong Guo, et al.

MinerU: Eine quelloffene Lösung zur präzisen Extraktion von Dokumentinhalten

Dokumentenverstehen

Bin Wang, Chao Xu, Xiaomeng Zhao, et al.

Audio-aware Style Reference für lippenbewegungs- und stilgerechte Synchronisation

Weizhi Zhong, Jichang Li, Yinqi Cai, et al.

S2VG: 3D stereoskopische und räumliche Videoerstellung durch Denoising der Rahmenmatrix

Peng Dai, Feitong Tan, Qiangeng Xu, et al.

Whisper-Flamingo: Integration visueller Merkmale in Whisper für audiovisuelle Spracherkennung und -übersetzung

Audio- Und Sprachverarbeitung

Andrew Rouditchenko, Yuan Gong, Samuel Thomas, et al.

Code-Generierung und algorithmische Problemlösung mit Llama 3.1 405B

Codegenerierung

Aniket Deroy, Subhankar Maity

Wissenszugang ermöglichen: Divergente Strategien zur Lesbarkeit-Genauigkeit von Mistral und QWen bei der Vereinfachung biomedizinischer Texte

Natürliche Sprachverarbeitung

P. Bilha Githinji, Aikaterini Melliou, Zeming Liang, et al.

Zur Verwendung selbstüberwachter Sprachrepräsentationen in der spontanen Spracherzeugung

Effizientes Kraftfeld-basiertes maschinelles Lernen für großskalige molekulare Simulationen organischer Systeme

MIRAGE: Abruf und Generierung multimodaler Bilder und Texte für die medizinische Ausbildung

ComfyGPT: Ein selbstoptimierendes Multi-Agenten-System zur umfassenden Generierung von ComfyUI-Arbeitsabläufen

Design eines Sequenzmodells für die Codevervollständigung in der modernen Entwicklungsumgebung

ACE-Step: Ein Schritt hin zu einem grundlegenden Modell für die Musikgenerierung

Zero-Shot-Text-zu-Sprache-Synthese, konditioniert mit einem selbstüberwachten Sprachrepräsentationsmodell

Können kleine und reasoning-fähige große Sprachmodelle wissenschaftliche Artikel zur Forschungsqualität bewerten, und fördern averaging sowie Few-shot-Ansätze dabei?

Ein theoretisches Limit des Physicalismus: Eine nicht-technische Erläuterung des Gemini-Theorems

EmoSSLSphere: Mehrsprachige emotionale Sprachsynthese mit sphärischen Vektoren und diskreten Speech-Tokens

Ausbreitungsdynamik von kreisförmigen Airy-Gauß-Vortextstrahlen in der fraktionalen nichtlinearen Schrödinger-Gleichung

Informationsgehalt eines Pixels in einem digitalen Bild

Erkennung handschriftlicher römischer Schrift unter Verwendung der Open-Source-OCR-Engine Tesseract

TimeSenCLIP: Ein Modell für Vision und Sprache mit Zeitreihen zur Fernerkundung

Lernen der zeitlichen Entwicklung räumlicher Abhängigkeiten mit generalisierten spatio-temporalen Gauß-Prozess-Modellen

TripoSG: Hochpräzise 3D-Formensynthese mittels großskaliger rektifizierter Flussmodelle

Technischer Bericht zu Qwen2.5-Omni

Flash-VStream: Speicherbasiertes Echtzeit-Verständnis für lange Videostreams

PhotoMaker: Anpassung realistischer menschlicher Fotos durch gestapelte ID-Embedding

AnyText: Multilingual Visual Text Generation and Editing

Eine moral- und ereigniszentrierte Untersuchung von Geschlechterstereotypen in Märchen im großen Maßstab

Hyper-SD: Trajektoriensegmentiertes Konsistenzmodell für effiziente Bildsynthese

DeepSeek-Prover-V1.5: Die Nutzung von Beweisassistenten-Feedback für Reinforcement Learning und Monte-Carlo-Baumsuche

LLaVA-OneVision: Einfache visuelle Aufgabenübertragung

MinerU: Eine quelloffene Lösung zur präzisen Extraktion von Dokumentinhalten

Audio-aware Style Reference für lippenbewegungs- und stilgerechte Synchronisation

S2VG: 3D stereoskopische und räumliche Videoerstellung durch Denoising der Rahmenmatrix

Whisper-Flamingo: Integration visueller Merkmale in Whisper für audiovisuelle Spracherkennung und -übersetzung

Code-Generierung und algorithmische Problemlösung mit Llama 3.1 405B

Wissenszugang ermöglichen: Divergente Strategien zur Lesbarkeit-Genauigkeit von Mistral und QWen bei der Vereinfachung biomedizinischer Texte

Zur Verwendung selbstüberwachter Sprachrepräsentationen in der spontanen Spracherzeugung

Effizientes Kraftfeld-basiertes maschinelles Lernen für großskalige molekulare Simulationen organischer Systeme

MIRAGE: Abruf und Generierung multimodaler Bilder und Texte für die medizinische Ausbildung

ComfyGPT: Ein selbstoptimierendes Multi-Agenten-System zur umfassenden Generierung von ComfyUI-Arbeitsabläufen

Design eines Sequenzmodells für die Codevervollständigung in der modernen Entwicklungsumgebung

ACE-Step: Ein Schritt hin zu einem grundlegenden Modell für die Musikgenerierung

Zero-Shot-Text-zu-Sprache-Synthese, konditioniert mit einem selbstüberwachten Sprachrepräsentationsmodell

Können kleine und reasoning-fähige große Sprachmodelle wissenschaftliche Artikel zur Forschungsqualität bewerten, und fördern averaging sowie Few-shot-Ansätze dabei?

Ein theoretisches Limit des Physicalismus: Eine nicht-technische Erläuterung des Gemini-Theorems

EmoSSLSphere: Mehrsprachige emotionale Sprachsynthese mit sphärischen Vektoren und diskreten Speech-Tokens

Ausbreitungsdynamik von kreisförmigen Airy-Gauß-Vortextstrahlen in der fraktionalen nichtlinearen Schrödinger-Gleichung

Informationsgehalt eines Pixels in einem digitalen Bild

Erkennung handschriftlicher römischer Schrift unter Verwendung der Open-Source-OCR-Engine Tesseract

TimeSenCLIP: Ein Modell für Vision und Sprache mit Zeitreihen zur Fernerkundung

Lernen der zeitlichen Entwicklung räumlicher Abhängigkeiten mit generalisierten spatio-temporalen Gauß-Prozess-Modellen

TripoSG: Hochpräzise 3D-Formensynthese mittels großskaliger rektifizierter Flussmodelle

Technischer Bericht zu Qwen2.5-Omni

Flash-VStream: Speicherbasiertes Echtzeit-Verständnis für lange Videostreams

PhotoMaker: Anpassung realistischer menschlicher Fotos durch gestapelte ID-Embedding

AnyText: Multilingual Visual Text Generation and Editing

Eine moral- und ereigniszentrierte Untersuchung von Geschlechterstereotypen in Märchen im großen Maßstab

Hyper-SD: Trajektoriensegmentiertes Konsistenzmodell für effiziente Bildsynthese

DeepSeek-Prover-V1.5: Die Nutzung von Beweisassistenten-Feedback für Reinforcement Learning und Monte-Carlo-Baumsuche

LLaVA-OneVision: Einfache visuelle Aufgabenübertragung

MinerU: Eine quelloffene Lösung zur präzisen Extraktion von Dokumentinhalten

Audio-aware Style Reference für lippenbewegungs- und stilgerechte Synchronisation

S2VG: 3D stereoskopische und räumliche Videoerstellung durch Denoising der Rahmenmatrix

Whisper-Flamingo: Integration visueller Merkmale in Whisper für audiovisuelle Spracherkennung und -übersetzung

Code-Generierung und algorithmische Problemlösung mit Llama 3.1 405B

Wissenszugang ermöglichen: Divergente Strategien zur Lesbarkeit-Genauigkeit von Mistral und QWen bei der Vereinfachung biomedizinischer Texte