HyperAI

Hauptbereich

GPU

Konsole
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 Hilfe zu Datensätzen

Produkte

Neuigkeiten Fachartikel Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

HyperAI

Hauptbereich

GPU

Konsole
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 Hilfe zu Datensätzen

Produkte

Neuigkeiten Fachartikel Notebooks Datensätze Wiki

Links

© HyperAI

GitHub Discord X (formerly Twitter)

PlayCoder: Playability von LLM-generiertem GUI-Code ermöglichen

PlayCoder: Playability von LLM-generiertem GUI-Code ermöglichen

Codegenerierung

Zhiyuan Peng, Wei Tao, Xin Yin, et al.

TEMPO: Skalierung des Test-time Training für Large Reasoning Models

TEMPO: Skalierung des Test-time Training für Large Reasoning Models

Qingyang Zhang, Xinke Kong, Haitao Wu, et al.

AnyRecon: Beliebige 3D-Rekonstruktion mittels eines Video-Diffusionsmodells

Diffusionsmodell

3D-Maschinenvision

Yutian Chen, Shi Guo, Renbiao Jin, et al.

AgentSPEX: Eine Agent SPecification and EXecution Language

Pengcheng Wang, Jerry Huang, Jiarui Yao, et al.

CoInteract: Physikalisch konsistente Video-Synthese von Human-Object-Interaktionen durch räumlich strukturierte Co-Generierung

Xiangyang Luo, Xiaozhe Xin, Tao Feng, et al.

Tstars-Tryon 1.0: Robustes und realistisches virtuelles Anprobieren für vielfältige Modeartikel

Bildgenerierung

Mengting Chen, Zhengrui Chen, Yongchao Du, et al.

Schnelle NF4-Dequantization-Kernels für die Large Language Model Inferenz

Xiangbo Qi, Chaoyi Jiang, Murali Annavaram

EasyVideoR1: Einfacheres RL für das Video-Verständnis

Chuanyu Qin, Chenxu Yang, Qingyi Si, et al.

MultiWorld: Skalierbare Multi-Agent Multi-View Video World Models

Haoyu Wu, Jiwen Yu, Yingtian Zou, et al.

OpenGame: Offenes agentic Coding für Spiele

Codegenerierung

Yilei Jiang, Jinyuan Hu, Qianyin Xiao, et al.

Agent-World: Skalierung der Synthese realweltlicher Umgebungen für eine sich entwickelnde allgemeine Agent Intelligence

Guanting Dong, Junting Lu, Junjie Huang, et al.

OneVL: Einstufige latente Argumentation und Planung mit Vision-Language-Erklärung

Jinghui Lu, Jiayi Guan, Zhijian Huang, et al.

Erweiterung der einstufigen Bildgenerierung von Klasslabels auf Text mittels diskriminativer Textrepräsentation

Bildgenerierung

Chenxi Zhao, Chen Zhu, Xiaokun Feng, et al.

ScribblePrompt: Schnelle und flexible interaktive Segmentierung für beliebige biomedizinische Bilder

Bildsegmentierung

Medizinische Bildgebung

Halle E. Wong, Marianne Rakic, John Guttag, et al.

Long-VITA: Skalierung von Large Multi-modal Models auf 1 Million Tokens bei führender Genauigkeit in Kurzkontexten

Yunhang Shen, Chaoyou Fu, Shaoqi Dong, et al.

UI-TARS: Pionierarbeit bei der automatisierten GUI-Interaktion mit nativen Agents

Yujia Qin, Yining Ye, Junjie Fang, et al.

HunyuanVideo: Ein systematisches Framework für Large Video Generative Models

Hunyuan Foundation Model Team

MathNet: Ein globaler multimodaler Benchmark für mathematisches Reasoning und Retrieval

Retrieval-Augmented Generation

Shaden Alshammari, Kevin Wen, Abrar Zainal, et al.

Externalisierung in LLM Agents: Ein einheitlicher Review zu Memory, Skills, Protocols und Harness Engineering

Chenyu Zhou, Huacan Chai, Wenteng Chen, et al.

Aktive Kontextkompression: Autonomes Memory-Management in LLM Agents

„Schneiden Sie Ihre Verluste ab! Lernen Sie das frühzeitige Pruning von Paths für effizientes paralleles Reasoning“

Jiaxi Bi, Tongxu Luo, Wenyu Du, et al.

Qwen3.5-Omni Technischer Bericht

Web Retrieval-Aware Chunking (W-RAC) für effiziente und kostengünstige Retrieval-Augmented Generation Systeme

Retrieval-Augmented Generation

Uday Allu, Sonu Kedia, Tanmay Odapally, et al.

PersonaVLM: Langfristige personalisierte Multimodale LLMs

Chang Nie, Chaoyou Fu, Yifan Zhang, et al.

Ohne Daten oder Optimierung maximaler Gehirnschaden: Störung von Neural Networks durch Sign-Bit Flips

Ido Galil, Moshe Kimhi, Ran El-Yaniv

Aufklärung des SNR-t Bias von Diffusion Probabilistic Models

Diffusionsmodell

Bildgenerierung

Meng Yu, Lei Sun, Jianhao Zeng, et al.

Multimodales OCR: Parse Anything aus Dokumenten

Dokumentenverstehen

Handong Zheng, Yumeng Li, Kaile Zhang, et al.

Granite-speech: Open-Source Speech-aware LLMs mit starken englischen ASR-Fähigkeiten

Audio- Und Sprachverarbeitung

George Saon, Avihu Dekel, Alexander Brooks, et al.

Fish-Speech: Nutzung von Large Language Models für fortschrittliche multilinguale Text-to-Speech-Synthese

Shijia Liao, Yuxuan Wang, Tianyu Li, et al.

Löschung von Videoobjekten und Interaktionen

Saman Motamed, William Harvey, Benjamin Klein, et al.

VoxCPM: Tokenizer-freies TTS zur kontextbewussten Spracherzeugung und lebensnahen Voice Cloning

Diffusionsmodell

OmniVoice: Auf dem Weg zu omnilingualem Zero-Shot Text-to-Speech mittels Diffusion Language Models

Diffusionsmodell

Han Zhu, Lingxuan Ye, Wei Kang, et al.

PlayCoder: Playability von LLM-generiertem GUI-Code ermöglichen

PlayCoder: Playability von LLM-generiertem GUI-Code ermöglichen

Codegenerierung

Zhiyuan Peng, Wei Tao, Xin Yin, et al.

TEMPO: Skalierung des Test-time Training für Large Reasoning Models

TEMPO: Skalierung des Test-time Training für Large Reasoning Models

Qingyang Zhang, Xinke Kong, Haitao Wu, et al.

AnyRecon: Beliebige 3D-Rekonstruktion mittels eines Video-Diffusionsmodells

Diffusionsmodell

3D-Maschinenvision

Yutian Chen, Shi Guo, Renbiao Jin, et al.

AgentSPEX: Eine Agent SPecification and EXecution Language

Pengcheng Wang, Jerry Huang, Jiarui Yao, et al.

CoInteract: Physikalisch konsistente Video-Synthese von Human-Object-Interaktionen durch räumlich strukturierte Co-Generierung

Xiangyang Luo, Xiaozhe Xin, Tao Feng, et al.

Tstars-Tryon 1.0: Robustes und realistisches virtuelles Anprobieren für vielfältige Modeartikel

Bildgenerierung

Mengting Chen, Zhengrui Chen, Yongchao Du, et al.

Schnelle NF4-Dequantization-Kernels für die Large Language Model Inferenz

Xiangbo Qi, Chaoyi Jiang, Murali Annavaram

EasyVideoR1: Einfacheres RL für das Video-Verständnis

Chuanyu Qin, Chenxu Yang, Qingyi Si, et al.

MultiWorld: Skalierbare Multi-Agent Multi-View Video World Models

Haoyu Wu, Jiwen Yu, Yingtian Zou, et al.

OpenGame: Offenes agentic Coding für Spiele

Codegenerierung

Yilei Jiang, Jinyuan Hu, Qianyin Xiao, et al.

Agent-World: Skalierung der Synthese realweltlicher Umgebungen für eine sich entwickelnde allgemeine Agent Intelligence

Guanting Dong, Junting Lu, Junjie Huang, et al.

OneVL: Einstufige latente Argumentation und Planung mit Vision-Language-Erklärung

Jinghui Lu, Jiayi Guan, Zhijian Huang, et al.

Erweiterung der einstufigen Bildgenerierung von Klasslabels auf Text mittels diskriminativer Textrepräsentation

Bildgenerierung

Chenxi Zhao, Chen Zhu, Xiaokun Feng, et al.

ScribblePrompt: Schnelle und flexible interaktive Segmentierung für beliebige biomedizinische Bilder

Bildsegmentierung

Medizinische Bildgebung

Halle E. Wong, Marianne Rakic, John Guttag, et al.

Long-VITA: Skalierung von Large Multi-modal Models auf 1 Million Tokens bei führender Genauigkeit in Kurzkontexten

Yunhang Shen, Chaoyou Fu, Shaoqi Dong, et al.

UI-TARS: Pionierarbeit bei der automatisierten GUI-Interaktion mit nativen Agents

Yujia Qin, Yining Ye, Junjie Fang, et al.

HunyuanVideo: Ein systematisches Framework für Large Video Generative Models

Hunyuan Foundation Model Team

MathNet: Ein globaler multimodaler Benchmark für mathematisches Reasoning und Retrieval

Retrieval-Augmented Generation

Shaden Alshammari, Kevin Wen, Abrar Zainal, et al.

Externalisierung in LLM Agents: Ein einheitlicher Review zu Memory, Skills, Protocols und Harness Engineering

Chenyu Zhou, Huacan Chai, Wenteng Chen, et al.

Aktive Kontextkompression: Autonomes Memory-Management in LLM Agents

„Schneiden Sie Ihre Verluste ab! Lernen Sie das frühzeitige Pruning von Paths für effizientes paralleles Reasoning“

Jiaxi Bi, Tongxu Luo, Wenyu Du, et al.

Qwen3.5-Omni Technischer Bericht

Web Retrieval-Aware Chunking (W-RAC) für effiziente und kostengünstige Retrieval-Augmented Generation Systeme

Retrieval-Augmented Generation

Uday Allu, Sonu Kedia, Tanmay Odapally, et al.

PersonaVLM: Langfristige personalisierte Multimodale LLMs

Chang Nie, Chaoyou Fu, Yifan Zhang, et al.

Ohne Daten oder Optimierung maximaler Gehirnschaden: Störung von Neural Networks durch Sign-Bit Flips

Ido Galil, Moshe Kimhi, Ran El-Yaniv

Aufklärung des SNR-t Bias von Diffusion Probabilistic Models

Diffusionsmodell

Bildgenerierung

Meng Yu, Lei Sun, Jianhao Zeng, et al.

Multimodales OCR: Parse Anything aus Dokumenten

Dokumentenverstehen

Handong Zheng, Yumeng Li, Kaile Zhang, et al.

Granite-speech: Open-Source Speech-aware LLMs mit starken englischen ASR-Fähigkeiten

Audio- Und Sprachverarbeitung

George Saon, Avihu Dekel, Alexander Brooks, et al.

Fish-Speech: Nutzung von Large Language Models für fortschrittliche multilinguale Text-to-Speech-Synthese

Shijia Liao, Yuxuan Wang, Tianyu Li, et al.

Löschung von Videoobjekten und Interaktionen

Saman Motamed, William Harvey, Benjamin Klein, et al.

VoxCPM: Tokenizer-freies TTS zur kontextbewussten Spracherzeugung und lebensnahen Voice Cloning

Diffusionsmodell

OmniVoice: Auf dem Weg zu omnilingualem Zero-Shot Text-to-Speech mittels Diffusion Language Models

Diffusionsmodell

Han Zhu, Lingxuan Ye, Wei Kang, et al.

AnyRecon: Beliebige 3D-Rekonstruktion mittels eines Video-Diffusionsmodells

AgentSPEX: Eine Agent SPecification and EXecution Language

CoInteract: Physikalisch konsistente Video-Synthese von Human-Object-Interaktionen durch räumlich strukturierte Co-Generierung

Tstars-Tryon 1.0: Robustes und realistisches virtuelles Anprobieren für vielfältige Modeartikel

Schnelle NF4-Dequantization-Kernels für die Large Language Model Inferenz

EasyVideoR1: Einfacheres RL für das Video-Verständnis

MultiWorld: Skalierbare Multi-Agent Multi-View Video World Models

OpenGame: Offenes agentic Coding für Spiele

Agent-World: Skalierung der Synthese realweltlicher Umgebungen für eine sich entwickelnde allgemeine Agent Intelligence

OneVL: Einstufige latente Argumentation und Planung mit Vision-Language-Erklärung

Erweiterung der einstufigen Bildgenerierung von Klasslabels auf Text mittels diskriminativer Textrepräsentation

ScribblePrompt: Schnelle und flexible interaktive Segmentierung für beliebige biomedizinische Bilder

Long-VITA: Skalierung von Large Multi-modal Models auf 1 Million Tokens bei führender Genauigkeit in Kurzkontexten

UI-TARS: Pionierarbeit bei der automatisierten GUI-Interaktion mit nativen Agents

HunyuanVideo: Ein systematisches Framework für Large Video Generative Models

MathNet: Ein globaler multimodaler Benchmark für mathematisches Reasoning und Retrieval

Externalisierung in LLM Agents: Ein einheitlicher Review zu Memory, Skills, Protocols und Harness Engineering

Aktive Kontextkompression: Autonomes Memory-Management in LLM Agents

„Schneiden Sie Ihre Verluste ab! Lernen Sie das frühzeitige Pruning von Paths für effizientes paralleles Reasoning“

Qwen3.5-Omni Technischer Bericht

Web Retrieval-Aware Chunking (W-RAC) für effiziente und kostengünstige Retrieval-Augmented Generation Systeme

PersonaVLM: Langfristige personalisierte Multimodale LLMs

Ohne Daten oder Optimierung maximaler Gehirnschaden: Störung von Neural Networks durch Sign-Bit Flips

Aufklärung des SNR-t Bias von Diffusion Probabilistic Models

Multimodales OCR: Parse Anything aus Dokumenten

Granite-speech: Open-Source Speech-aware LLMs mit starken englischen ASR-Fähigkeiten

Fish-Speech: Nutzung von Large Language Models für fortschrittliche multilinguale Text-to-Speech-Synthese

Löschung von Videoobjekten und Interaktionen

VoxCPM: Tokenizer-freies TTS zur kontextbewussten Spracherzeugung und lebensnahen Voice Cloning

OmniVoice: Auf dem Weg zu omnilingualem Zero-Shot Text-to-Speech mittels Diffusion Language Models

AnyRecon: Beliebige 3D-Rekonstruktion mittels eines Video-Diffusionsmodells

AgentSPEX: Eine Agent SPecification and EXecution Language

CoInteract: Physikalisch konsistente Video-Synthese von Human-Object-Interaktionen durch räumlich strukturierte Co-Generierung

Tstars-Tryon 1.0: Robustes und realistisches virtuelles Anprobieren für vielfältige Modeartikel

Schnelle NF4-Dequantization-Kernels für die Large Language Model Inferenz

EasyVideoR1: Einfacheres RL für das Video-Verständnis

MultiWorld: Skalierbare Multi-Agent Multi-View Video World Models

OpenGame: Offenes agentic Coding für Spiele

Agent-World: Skalierung der Synthese realweltlicher Umgebungen für eine sich entwickelnde allgemeine Agent Intelligence

OneVL: Einstufige latente Argumentation und Planung mit Vision-Language-Erklärung

Erweiterung der einstufigen Bildgenerierung von Klasslabels auf Text mittels diskriminativer Textrepräsentation

ScribblePrompt: Schnelle und flexible interaktive Segmentierung für beliebige biomedizinische Bilder

Long-VITA: Skalierung von Large Multi-modal Models auf 1 Million Tokens bei führender Genauigkeit in Kurzkontexten

UI-TARS: Pionierarbeit bei der automatisierten GUI-Interaktion mit nativen Agents

HunyuanVideo: Ein systematisches Framework für Large Video Generative Models

MathNet: Ein globaler multimodaler Benchmark für mathematisches Reasoning und Retrieval

Externalisierung in LLM Agents: Ein einheitlicher Review zu Memory, Skills, Protocols und Harness Engineering

Aktive Kontextkompression: Autonomes Memory-Management in LLM Agents

„Schneiden Sie Ihre Verluste ab! Lernen Sie das frühzeitige Pruning von Paths für effizientes paralleles Reasoning“

Qwen3.5-Omni Technischer Bericht

Web Retrieval-Aware Chunking (W-RAC) für effiziente und kostengünstige Retrieval-Augmented Generation Systeme

PersonaVLM: Langfristige personalisierte Multimodale LLMs

Ohne Daten oder Optimierung maximaler Gehirnschaden: Störung von Neural Networks durch Sign-Bit Flips

Aufklärung des SNR-t Bias von Diffusion Probabilistic Models

Multimodales OCR: Parse Anything aus Dokumenten

Granite-speech: Open-Source Speech-aware LLMs mit starken englischen ASR-Fähigkeiten

Fish-Speech: Nutzung von Large Language Models für fortschrittliche multilinguale Text-to-Speech-Synthese

Löschung von Videoobjekten und Interaktionen

VoxCPM: Tokenizer-freies TTS zur kontextbewussten Spracherzeugung und lebensnahen Voice Cloning

OmniVoice: Auf dem Weg zu omnilingualem Zero-Shot Text-to-Speech mittels Diffusion Language Models