HyperAI

Principal

GPU

Console
Studio
Docs
Tarifs

Pulse

Actualités

Ressources

Publications de recherche
Notebooks
Jeux de données
Wiki

Benchmarks

SOTA
Modèles LLM
Classement des GPU

Communauté

Événements

Utilitaires

À propos Conditions d’utilisation Politique de confidentialité
Français

Command Palette

Search for a command to run...

HyperAI
Papers

Papers

Articles de recherche en IA de pointe mis à jour quotidiennement pour vous aider à suivre les dernières tendances en IA

Construire l’avenir de l’intelligence artificielle

À propos

À propos Support Aide relative au jeu de données

Produits

Actualités Publications de recherche Notebooks Jeux de données Wiki

Liens

© HyperAI

GitHub Discord X (formerly Twitter)

HyperAI

Principal

GPU

Console
Studio
Docs
Tarifs

Pulse

Actualités

Ressources

Publications de recherche
Notebooks
Jeux de données
Wiki

Benchmarks

SOTA
Modèles LLM
Classement des GPU

Communauté

Événements

Utilitaires

À propos Conditions d’utilisation Politique de confidentialité
Français

Command Palette

Search for a command to run...

HyperAI
Papers

Papers

Articles de recherche en IA de pointe mis à jour quotidiennement pour vous aider à suivre les dernières tendances en IA

Construire l’avenir de l’intelligence artificielle

À propos

À propos Support Aide relative au jeu de données

Produits

Actualités Publications de recherche Notebooks Jeux de données Wiki

Liens

© HyperAI

GitHub Discord X (formerly Twitter)

CoInteract : Synthèse de vidéos d'interaction humain-objet physiquement cohérente via une co-génération à structure spatiale

CoInteract : Synthèse de vidéos d'interaction humain-objet physiquement cohérente via une co-génération à structure spatiale

Génération De Vidéo

Image Vers Vidéo

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

Tstars-Tryon 1.0 : un essayage virtuel robuste et réaliste pour des articles de mode diversifiés

Tstars-Tryon 1.0 : un essayage virtuel robuste et réaliste pour des articles de mode diversifiés

Génération D'images

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

Kernels de déquantification NF4 rapides pour l'inférence de Large Language Model

Xiangbo Qi, Chaoyi Jiang, Murali Annavaram

EasyVideoR1 : Un apprentissage par renforcement facilité pour la compréhension vidéo

Compréhension Vidéo

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

MultiWorld : Modèles de monde vidéo multi-vues et multi-agents évolutifs

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

OpenGame : Open Agentic Coding pour les jeux

Génération De Code

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

Agent-World : Passage à l'échelle de la synthèse d'environnements réels pour l'évolution de l'intelligence généraliste des agents

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

OneVL : Raisonnement et planification latents en une seule étape avec explication vision-langage

Conduite Autonome

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

Extension de la génération d'images en une étape des étiquettes de classe vers le texte via une représentation textuelle discriminative

Génération D'images

Texte Vers Image

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

ScribblePrompt : une segmentation interactive rapide et flexible pour toute image biomédicale

Segmentation D'images

Imagerie Médicale

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

Long-VITA : Étendre les Large Multi-modal Models à 1 million de tokens tout en maintenant une précision de pointe sur les contextes courts

Compréhension Vidéo

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

UI-TARS : Pionnier de l'interaction GUI automatisée avec des Agents natifs

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

HunyuanVideo : Un cadre systématique pour les Large Video Generative Models

Génération De Vidéo

Texte Vers Vidéo

Hunyuan Foundation Model Team

MathNet : un benchmark multimodal global pour le raisonnement mathématique et la récupération d'informations

Génération Augmentée Par La Recherche

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

L'externalisation dans les LLM Agents : Une revue unifiée de la mémoire, des skills, des protocoles et de l'ingénierie de harness

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

Compression de Contexte Active : Gestion Autonome de la Mémoire dans les LLM Agents

Limitez vos pertes ! Apprendre à élaguer les chemins tôt pour un reasoning parallèle efficace.

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

Rapport Technique de Qwen3.5-Omni

Découpage conscient de la recherche Web (W-RAC) pour des systèmes de Retrieval-Augmented Generation efficaces et rentables.

Génération Augmentée Par La Recherche

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

PersonaVLM : LLMs Multimodaux Personnalisés à Long Terme

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

Dommages cérébraux maximaux sans données ni optimisation : perturber les Neural Networks via des flips de sign-bit.

Apprentissage Profond

Ido Galil, Moshe Kimhi, Ran El-Yaniv

Élucider le biais SNR-t des Diffusion Probabilistic Models

Modèle De Diffusion

Génération D'images

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

OCR multimodal : analyser n'importe quel élément à partir de documents

Compréhension De Document

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

Granite-speech : des LLMs open-source sensibles à la parole dotés de fortes capacités d'ASR en anglais

Traitement Audio Et Vocal

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

Fish-Speech : Exploiter les Large Language Models pour une synthèse Text-to-Speech multilingue avancée

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

Suppression d'objets et d'interactions dans les vidéos

Inpainting D'image

Génération De Vidéo

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

VoxCPM : une synthèse vocale sans tokenizer pour la génération de parole sensible au contexte et un clonage de voix ultra-réaliste

Modèle De Diffusion

OmniVoice : Vers un Text-to-Speech omnilingue en Zero-Shot avec des Diffusion Language Models

Modèle De Diffusion

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

Là où la vision devient texte : localisation du goulot d'étranglement du routage OCR dans les Vision-Language Models

Jonathan Steinberg, Oren Gal

OCR ou non ? Repenser l'extraction d'informations documentaires à l'ère des MLLMs à l'aide de jeux de données à grande échelle du monde réel

Compréhension De Document

Jiyuan Shen, Peiyue Yuan, Atin Ghosh, et al.

dnaHNet : un modèle de fondation hiérarchique et scalable pour l'apprentissage de séquences génomiques

Apprentissage Profond

Arnav Shah, Junzhe Li, Parsa Idehpour, et al.

Ordinateurs neuronaux

Apprentissage Profond

Génération De Vidéo

Mingchen Zhuge, Changsheng Zhao, Haozhe Liu, et al.

CoInteract : Synthèse de vidéos d'interaction humain-objet physiquement cohérente via une co-génération à structure spatiale

CoInteract : Synthèse de vidéos d'interaction humain-objet physiquement cohérente via une co-génération à structure spatiale

Génération De Vidéo

Image Vers Vidéo

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

Tstars-Tryon 1.0 : un essayage virtuel robuste et réaliste pour des articles de mode diversifiés

Tstars-Tryon 1.0 : un essayage virtuel robuste et réaliste pour des articles de mode diversifiés

Génération D'images

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

Kernels de déquantification NF4 rapides pour l'inférence de Large Language Model

Xiangbo Qi, Chaoyi Jiang, Murali Annavaram

EasyVideoR1 : Un apprentissage par renforcement facilité pour la compréhension vidéo

Compréhension Vidéo

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

MultiWorld : Modèles de monde vidéo multi-vues et multi-agents évolutifs

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

OpenGame : Open Agentic Coding pour les jeux

Génération De Code

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

Agent-World : Passage à l'échelle de la synthèse d'environnements réels pour l'évolution de l'intelligence généraliste des agents

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

OneVL : Raisonnement et planification latents en une seule étape avec explication vision-langage

Conduite Autonome

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

Extension de la génération d'images en une étape des étiquettes de classe vers le texte via une représentation textuelle discriminative

Génération D'images

Texte Vers Image

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

ScribblePrompt : une segmentation interactive rapide et flexible pour toute image biomédicale

Segmentation D'images

Imagerie Médicale

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

Long-VITA : Étendre les Large Multi-modal Models à 1 million de tokens tout en maintenant une précision de pointe sur les contextes courts

Compréhension Vidéo

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

UI-TARS : Pionnier de l'interaction GUI automatisée avec des Agents natifs

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

HunyuanVideo : Un cadre systématique pour les Large Video Generative Models

Génération De Vidéo

Texte Vers Vidéo

Hunyuan Foundation Model Team

MathNet : un benchmark multimodal global pour le raisonnement mathématique et la récupération d'informations

Génération Augmentée Par La Recherche

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

L'externalisation dans les LLM Agents : Une revue unifiée de la mémoire, des skills, des protocoles et de l'ingénierie de harness

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

Compression de Contexte Active : Gestion Autonome de la Mémoire dans les LLM Agents

Limitez vos pertes ! Apprendre à élaguer les chemins tôt pour un reasoning parallèle efficace.

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

Rapport Technique de Qwen3.5-Omni

Découpage conscient de la recherche Web (W-RAC) pour des systèmes de Retrieval-Augmented Generation efficaces et rentables.

Génération Augmentée Par La Recherche

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

PersonaVLM : LLMs Multimodaux Personnalisés à Long Terme

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

Dommages cérébraux maximaux sans données ni optimisation : perturber les Neural Networks via des flips de sign-bit.

Apprentissage Profond

Ido Galil, Moshe Kimhi, Ran El-Yaniv

Élucider le biais SNR-t des Diffusion Probabilistic Models

Modèle De Diffusion

Génération D'images

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

OCR multimodal : analyser n'importe quel élément à partir de documents

Compréhension De Document

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

Granite-speech : des LLMs open-source sensibles à la parole dotés de fortes capacités d'ASR en anglais

Traitement Audio Et Vocal

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

Fish-Speech : Exploiter les Large Language Models pour une synthèse Text-to-Speech multilingue avancée

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

Suppression d'objets et d'interactions dans les vidéos

Inpainting D'image

Génération De Vidéo

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

VoxCPM : une synthèse vocale sans tokenizer pour la génération de parole sensible au contexte et un clonage de voix ultra-réaliste

Modèle De Diffusion

OmniVoice : Vers un Text-to-Speech omnilingue en Zero-Shot avec des Diffusion Language Models

Modèle De Diffusion

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

Là où la vision devient texte : localisation du goulot d'étranglement du routage OCR dans les Vision-Language Models

Jonathan Steinberg, Oren Gal

OCR ou non ? Repenser l'extraction d'informations documentaires à l'ère des MLLMs à l'aide de jeux de données à grande échelle du monde réel

Compréhension De Document

Jiyuan Shen, Peiyue Yuan, Atin Ghosh, et al.

dnaHNet : un modèle de fondation hiérarchique et scalable pour l'apprentissage de séquences génomiques

Apprentissage Profond

Arnav Shah, Junzhe Li, Parsa Idehpour, et al.

Ordinateurs neuronaux

Apprentissage Profond

Génération De Vidéo

Mingchen Zhuge, Changsheng Zhao, Haozhe Liu, et al.

Kernels de déquantification NF4 rapides pour l'inférence de Large Language Model

EasyVideoR1 : Un apprentissage par renforcement facilité pour la compréhension vidéo

MultiWorld : Modèles de monde vidéo multi-vues et multi-agents évolutifs

OpenGame : Open Agentic Coding pour les jeux

Agent-World : Passage à l'échelle de la synthèse d'environnements réels pour l'évolution de l'intelligence généraliste des agents

OneVL : Raisonnement et planification latents en une seule étape avec explication vision-langage

Extension de la génération d'images en une étape des étiquettes de classe vers le texte via une représentation textuelle discriminative

ScribblePrompt : une segmentation interactive rapide et flexible pour toute image biomédicale

Long-VITA : Étendre les Large Multi-modal Models à 1 million de tokens tout en maintenant une précision de pointe sur les contextes courts

UI-TARS : Pionnier de l'interaction GUI automatisée avec des Agents natifs

HunyuanVideo : Un cadre systématique pour les Large Video Generative Models

MathNet : un benchmark multimodal global pour le raisonnement mathématique et la récupération d'informations

L'externalisation dans les LLM Agents : Une revue unifiée de la mémoire, des skills, des protocoles et de l'ingénierie de harness

Compression de Contexte Active : Gestion Autonome de la Mémoire dans les LLM Agents

Limitez vos pertes ! Apprendre à élaguer les chemins tôt pour un reasoning parallèle efficace.

Rapport Technique de Qwen3.5-Omni

Découpage conscient de la recherche Web (W-RAC) pour des systèmes de Retrieval-Augmented Generation efficaces et rentables.

PersonaVLM : LLMs Multimodaux Personnalisés à Long Terme

Dommages cérébraux maximaux sans données ni optimisation : perturber les Neural Networks via des flips de sign-bit.

Élucider le biais SNR-t des Diffusion Probabilistic Models

OCR multimodal : analyser n'importe quel élément à partir de documents

Granite-speech : des LLMs open-source sensibles à la parole dotés de fortes capacités d'ASR en anglais

Fish-Speech : Exploiter les Large Language Models pour une synthèse Text-to-Speech multilingue avancée

Suppression d'objets et d'interactions dans les vidéos

VoxCPM : une synthèse vocale sans tokenizer pour la génération de parole sensible au contexte et un clonage de voix ultra-réaliste

OmniVoice : Vers un Text-to-Speech omnilingue en Zero-Shot avec des Diffusion Language Models

Là où la vision devient texte : localisation du goulot d'étranglement du routage OCR dans les Vision-Language Models

OCR ou non ? Repenser l'extraction d'informations documentaires à l'ère des MLLMs à l'aide de jeux de données à grande échelle du monde réel

dnaHNet : un modèle de fondation hiérarchique et scalable pour l'apprentissage de séquences génomiques

Ordinateurs neuronaux

Kernels de déquantification NF4 rapides pour l'inférence de Large Language Model

EasyVideoR1 : Un apprentissage par renforcement facilité pour la compréhension vidéo

MultiWorld : Modèles de monde vidéo multi-vues et multi-agents évolutifs

OpenGame : Open Agentic Coding pour les jeux

Agent-World : Passage à l'échelle de la synthèse d'environnements réels pour l'évolution de l'intelligence généraliste des agents

OneVL : Raisonnement et planification latents en une seule étape avec explication vision-langage

Extension de la génération d'images en une étape des étiquettes de classe vers le texte via une représentation textuelle discriminative

ScribblePrompt : une segmentation interactive rapide et flexible pour toute image biomédicale

Long-VITA : Étendre les Large Multi-modal Models à 1 million de tokens tout en maintenant une précision de pointe sur les contextes courts

UI-TARS : Pionnier de l'interaction GUI automatisée avec des Agents natifs

HunyuanVideo : Un cadre systématique pour les Large Video Generative Models

MathNet : un benchmark multimodal global pour le raisonnement mathématique et la récupération d'informations

L'externalisation dans les LLM Agents : Une revue unifiée de la mémoire, des skills, des protocoles et de l'ingénierie de harness

Compression de Contexte Active : Gestion Autonome de la Mémoire dans les LLM Agents

Limitez vos pertes ! Apprendre à élaguer les chemins tôt pour un reasoning parallèle efficace.

Rapport Technique de Qwen3.5-Omni

Découpage conscient de la recherche Web (W-RAC) pour des systèmes de Retrieval-Augmented Generation efficaces et rentables.

PersonaVLM : LLMs Multimodaux Personnalisés à Long Terme

Dommages cérébraux maximaux sans données ni optimisation : perturber les Neural Networks via des flips de sign-bit.

Élucider le biais SNR-t des Diffusion Probabilistic Models

OCR multimodal : analyser n'importe quel élément à partir de documents

Granite-speech : des LLMs open-source sensibles à la parole dotés de fortes capacités d'ASR en anglais

Fish-Speech : Exploiter les Large Language Models pour une synthèse Text-to-Speech multilingue avancée

Suppression d'objets et d'interactions dans les vidéos

VoxCPM : une synthèse vocale sans tokenizer pour la génération de parole sensible au contexte et un clonage de voix ultra-réaliste

OmniVoice : Vers un Text-to-Speech omnilingue en Zero-Shot avec des Diffusion Language Models

Là où la vision devient texte : localisation du goulot d'étranglement du routage OCR dans les Vision-Language Models

OCR ou non ? Repenser l'extraction d'informations documentaires à l'ère des MLLMs à l'aide de jeux de données à grande échelle du monde réel

dnaHNet : un modèle de fondation hiérarchique et scalable pour l'apprentissage de séquences génomiques

Ordinateurs neuronaux