HyperAI
Command Palette
Search for a command to run...
Papers
Articles de recherche en IA de pointe mis à jour quotidiennement pour vous aider à suivre les dernières tendances en IA
Voxtral TTS
Text-to-Speech
Text-to-Audio
Alexander H. Liu, Alexis Tacnet, Andy Ehrenberg, et al.
RealRestorer : Vers une restauration d'images réalistes généralisable grâce à des modèles d'édition d'images à grande échelle
Modèle De Diffusion
Image À Image
Yufeng Yang, Xianfang Zeng, Zhangqi Jiang, et al.
Calibri : Amélioration des Diffusion Transformers par un étalonnage efficace en paramètres
Modèle De Diffusion
Texte Vers Image
Danil Tokhchukov, Aysel Mirzoeva, Andrey Kuznetsov, et al.
Intern-S1-Pro : Modèle fondation multimodal scientifique à l'échelle du trillion
Multimodal
IA Pour La Science
Yicheng Zou, Dongsheng Zhu, Lin Zhu, et al.
PixelSmile : Vers une édition fine des expressions faciales
Modèle De Diffusion
Image À Image
Jiabin Hua, Hengyuan Xu, Aojie Li, et al.
Claudini : AutoResearch découvre des algorithmes d'attaque adversaire de pointe pour les LLM
LLM
IA Pour La Science
Alexander Panfilov, Peter Romov, Igor Shilov, et al.
AutoHarness : Améliorer les LLM Agents par la synthèse automatique d'un Code Harness
LLM
Génération De Code
Xinghua Lou, Miguel Lázaro-Gredilla, Antoine Dedieu, et al.
GameplayQA : Un cadre d'évaluation pour la compréhension multimédia synchronisée à la perspective subjective de vidéos multiples, dense en décisions, appliquée aux agents virtuels 3D.
Compréhension Vidéo
Réponse À Des Questions Visuelles
Yunzhe Wang, Runhui Xu, Kexin Zheng, et al.
Pourquoi l'auto-distillation (parfois) dégrade-t-elle les capacités de raisonnement des LLMs ?
LLM
Reasoning
Jeonghye Kim, Xufang Luo, Minbeom Kim, et al.
UI-Voyager : Un agent GUI auto-évoluant apprenant à partir d'expériences échouées
Multimodal
Agent
Zichuan Lin, Feiyu Liu, Yijun Yang, et al.
T-MAP : Red-Teaming des agents LLM par une recherche évolutive consciente des trajectoires
LLM
Agent
Hyomin Lee, Sangwoo Park, Yumin Choi, et al.
CUA-Suite : Masses de démonstrations vidéo annotées par des humains pour les agents d'utilisation d'ordinateurs
Compréhension Vidéo
Multimodal
Xiangru Jian, Shravan Nayak, Kevin Qinghong Lin, et al.
EVA : Apprentissage par renforcement efficace pour un Agent Vidéo de bout en bout
Compréhension Vidéo
Multimodal
Yaolun Zhang, Ruohui Wang, Jiahao Wang, et al.
Diffusion Foveated : Génération efficiente d'images et de vidéos par adaptation spatiale
Modèle De Diffusion
Inpainting D'image
Brian Chao, Lior Yariv, Howard Xiao, et al.
Ego2Web : Un benchmark pour Web Agent fondé sur des vidéos égocentrées
Agent
Compréhension Vidéo
Shoubin Yu, Lei Shu, Antoine Yang, et al.
Des modèles statiques aux graphes d'exécution dynamiques : une étude de l'optimisation des workflows pour les LLM Agents
LLM
Agent
Ling Yue, Kushal Raj Bhandari, Ching-Yun Ko, et al.
SpecEyes : Accélération des LLMs multimodaux agentic grâce à une perception et une planification spéculatives
Multimodal
Agent
Haoyu Huang, Jinfa Huang, Zhongwei Wan, et al.
DA-Flow : Estimation du flot optique consciente de la dégradation avec des modèles Diffusion
Modèle De Diffusion
Traitement Vidéo
Jaewon Min, Jaeeun Lee, Yeji Choi, et al.
PEARL : Modèle de compréhension personnalisée des vidéos en flux
Compréhension Vidéo
Multimodal
Yuanhong Zheng, Ruichuan An, Xiaopeng Lin, et al.
WildWorld : un jeu de données à grande échelle pour la modélisation dynamique du monde avec actions et état explicite en vue de la génération d'ARPG
Génération De Vidéo
Reconnaissance D'action
Zhen Li, Zian Meng, Shuwei Shi, et al.
MinerU-Diffusion : Repenser l'OCR de documents comme un rendu inverse via le décodage par Diffusion
OCR
Modèle De Diffusion
Hejun Dong, Junbo Niu, Bin Wang, et al.
PivotRL : Post-Training Agentic de haute précision à faible coût de calcul
Affinage Supervisé
Apprentissage Par Renforcement
Junkeun Yi, Damon Mosk-Aoyama, Baihe Huang, et al.
F4Splat : Densification prédictive feed-forward pour le 3D Gaussian Splatting feed-forward
Génération 3D
Modèle 3D
Injae Kim, Chaehyeon Kim, Minseong Bae, et al.
SpatialBoost : Renforcement de la représentation visuelle par un raisonnement guidé par le langage
Multimodal
Représentation Multimodale
Byungwoo Jeon, Dongyoung Kim, Huiwon Jang, et al.
VideoDetective : Chasse aux indices par requête extrinsèque et pertinence intrinsèque pour la compréhension de vidéos longues
Compréhension Vidéo
Réponse À Des Questions Visuelles
Ruoliu Yang, Chu Wu, Caifeng Shan, et al.
LongCat-Flash-Prover : Faire progresser le raisonnement formel natif grâce à l'apprentissage par renforcement intégré aux outils agentic
LLM
Reasoning
Jianing Wang, Jianfei Zhang, Qi Guo, et al.
Vitesse par la simplicité : une architecture à flux unique pour un modèle fondatif génératif audio-vidéo rapide
Tongyi Qianwen
Multimodal
SII-GAIR, Sand. ai, Ethan Chern, et al.
Omni-WorldBench : Vers une évaluation complète centrée sur l'interaction pour les modèles du monde
Génération De Vidéo
Génération 3D
Meiqi Wu, Zhixin Cai, Fufangchen Zhao, et al.
PrismAudio : Chaînes de raisonnement décomposées et récompenses multidimensionnelles pour la génération audio à partir de vidéos
Text-to-Audio
Multimodal
Huadai Liu, Kaicheng Luo, Wen Wang, et al.
LeWorldModel : Architecture prédictive à jointure d'incrustation stable et de bout en bout, depuis les pixels
Apprentissage Profond
Représentation Multimodale
Lucas Maes, Quentin Le Lidec, Damien Scieur, et al.
FlowScene : Génération de scènes intérieures cohérentes sur le plan stylistique par rectification de flux à graphe multimodal
Génération 3D
Multimodal
Zhifei Yang, Guangyao Zhai, Keyang Lu, et al.
LumosX : Relier toute identité à ses attributs pour une génération vidéo personnalisée
Texte Vers Vidéo
Modèle De Diffusion
Jiazheng Xing, Fei Du, Hangjie Yuan, et al.