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

Conférences

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)

articles

Distillation par décodage parallèle pour la génération rapide d’images et de vidéos

Distillation par décodage parallèle pour la génération rapide d’images et de vidéos

Modèle De Diffusion

Génération De Vidéo

Neta Shaul, Chao Liu, Arash Vahdat, et al.

Détermination de l'exposant optimal reliant ensembles sommes et ensembles différences

Détermination de l'exposant optimal reliant ensembles sommes et ensembles différences

IA Pour La Science

Haowei Lin, Shanda Li

Mise à l'échelle en phase de test par localisation d'erreurs

Génération De Texte

Rajiv Shailesh Chitale, Rahul Madhavan, Taneesh Gupta, et al.

NVIDIA-labs OO Agents : des agents orientés objet natifs en Python

Paul Furgale, Severin Klingler, James Nolan, et al.

PERCEPTIONBENCH : ÉVALUATION DE LA PERCEPTION VISUELLE ATOMIQUE DANS LES GRANDS MODÈLES DE LANGAGE MULTIMODAUX

Réponse À Des Questions Visuelles

Zichao Lin, Yifeng Xie, Bowen Qu, et al.

Sélection de l'horizon dans les équations différentielles ordinaires neuronales augmentées par la physique : perspectives théoriques et application au flux magnétique

IA Pour La Science

Entraînement Du Modèle

Giulio Montecchio, Benjamin Hartmann, Sven Reimann, et al.

Modélisation explicite de couches pour l'insertion d'objets vidéo et la décomposition en couches

Modèle De Diffusion

Génération De Vidéo

Kyujiin Han, Seungjoo Shin, Sunghyun Cho

Transformer Transformer : un modèle unifié pour la co-conception de robots conditionnée par le mouvement

Modèle De Diffusion

Huy Ha, Karen Liu, Shuran Song

Compréhension fine d’images alimentaires par alignement de données ciblé sur le domaine

Compréhension D'images

Jui-Feng Chi, Wei-Lun Chu, Bruce Coburn, et al.

Vérification de prouveurs et de solveurs

Le modèle au centre : vers une communication en temps réel native de l'IA

Ziqian Liu, Minghao Li, Yiming Qiu

DynamiCrafter : animer des images en domaine ouvert à l’aide d’a priori de diffusion vidéo

Image Vers Vidéo

Modèle De Diffusion

Jinbo Xing, Menghan Xia, Yong Zhang, et al.

MemoHarness : des harnais d'agent qui apprennent de l'expérience

Yue Huang, Wenjie Wang, Han Bao, et al.

Nanbeige4.2-3B : Déverrouiller les capacités agentiques dans un modèle compact

Affinage Supervisé

Chen Yang, Chengrui Huang, Fufeng Lan, et al.

REPENSER LE GUIDAGE SANS CLASSIFICATEUR DANS LA DISTILLATION DE DIFFUSION EN POLITIQUE COURANTE

Modèle De Diffusion

Génération De Vidéo

Bingnan Li, Haozhe Wang, Haozhong Xiong, et al.

STATEACT : L'ÉTAT DU PROGRAMME, AVANT LES PIXELS, POUR LES AGENTS D'UTILISATION D'ORDINATEUR À LONG TERME

Yan Yang, Xiangru Jian, Ziyang Luo, et al.

Modélisation de la récompense de progression pour l'apprentissage robotique : une étude approfondie

Apprentissage Par Renforcement

Jianshu Zhang, Keliang Wu, Haoran Lu, et al.

Du propriétaire à l'open source : combler l'écart distributionnel par la distillation de protocole multi-agent en recherche agentique

Apprentissage Par Renforcement

Junlin Liu, Jiangwang Chen, Zixin Song, et al.

JarvisHub : un environnement ouvert pour agents créatifs multimodaux natifs du canevas

Yunlong Lin, Zixu Lin, Zhaohu Xing, et al.

KIMI K3 : INTELLIGENCE DE POINTE OUVERTE

Tongtong Bai, Fuxuan Gao, Guokun Lai, et al.

MUSIC-JEPA : Apprentissage d'un modèle du monde sonore à partir de l'action

Représentation Multimodale

Apprentissage Profond

Ziyu Wang, Kun Fang, Yann LeCun

Les LLM ne savent pas sauter

Tom Zahavy, Oliver Nash

Les LLM se perdent face à l’évolution de l’intention de l’utilisateur

Jihoon Tack, Philippe Laban, Jennifer Neville

SOAP, Muon et au-delà : repousser les échelles de pré-entraînement des LLM

Entraînement Du Modèle

Mikail Khona, Aditya Vavre, Boxiang Wang, et al.

Distillation par correspondance de distribution améliorée pour la synthèse rapide d’images

Modèle De Diffusion

Génération D'images

Tianwei Yin, Michaël Gharbi, Taesung Park, et al.

Modélisation de la diffusion à trois corps pour la modélisation générative

Modèle De Diffusion

Génération D'images

Peng Sun, Zhenglin Cheng, Deyuan Liu, et al.

Mise à l'échelle du pré-entraînement multimodal natif à partir de zéro

Haoyuan Wu, Aoqi Wu, Hai Wang, et al.

DataPrep-Bench : Évaluation comparative des grands modèles de langage en tant que préparateurs de données d’entraînement

Hao Liang, Qifeng Cai, Yibo Lin, et al.

Molt : un cadre d’entraînement PyTorch natif et extensible pour l’apprentissage par renforcement agentique

Apprentissage Par Renforcement

Jian Hu, Huiying Li, Hao Zhang, et al.

Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems

Skill Self-Play : repousser les frontières des capacités des LLM grâce à des compétences co-évolutives

Entraînement Du Modèle

Siyuan Huang, Pengyu Cheng, Haotian Liu, et al.

De meilleurs harnais, des modèles plus petits : construire des agents 90 % moins chers grâce à l'adaptation automatisée des harnais

Réponse Aux Questions Intelligente

Chenyang Yang, Xinran Zhao, Tongshuang Wu, et al.

Mise à l'échelle en phase de test par localisation d'erreurs

NVIDIA-labs OO Agents : des agents orientés objet natifs en Python

PERCEPTIONBENCH : ÉVALUATION DE LA PERCEPTION VISUELLE ATOMIQUE DANS LES GRANDS MODÈLES DE LANGAGE MULTIMODAUX

Sélection de l'horizon dans les équations différentielles ordinaires neuronales augmentées par la physique : perspectives théoriques et application au flux magnétique

Modélisation explicite de couches pour l'insertion d'objets vidéo et la décomposition en couches

Transformer Transformer : un modèle unifié pour la co-conception de robots conditionnée par le mouvement

Compréhension fine d’images alimentaires par alignement de données ciblé sur le domaine

Vérification de prouveurs et de solveurs

Le modèle au centre : vers une communication en temps réel native de l'IA

DynamiCrafter : animer des images en domaine ouvert à l’aide d’a priori de diffusion vidéo

MemoHarness : des harnais d'agent qui apprennent de l'expérience

Nanbeige4.2-3B : Déverrouiller les capacités agentiques dans un modèle compact

REPENSER LE GUIDAGE SANS CLASSIFICATEUR DANS LA DISTILLATION DE DIFFUSION EN POLITIQUE COURANTE

STATEACT : L'ÉTAT DU PROGRAMME, AVANT LES PIXELS, POUR LES AGENTS D'UTILISATION D'ORDINATEUR À LONG TERME

Modélisation de la récompense de progression pour l'apprentissage robotique : une étude approfondie

Du propriétaire à l'open source : combler l'écart distributionnel par la distillation de protocole multi-agent en recherche agentique

JarvisHub : un environnement ouvert pour agents créatifs multimodaux natifs du canevas

KIMI K3 : INTELLIGENCE DE POINTE OUVERTE

MUSIC-JEPA : Apprentissage d'un modèle du monde sonore à partir de l'action

Les LLM ne savent pas sauter

Les LLM se perdent face à l’évolution de l’intention de l’utilisateur

SOAP, Muon et au-delà : repousser les échelles de pré-entraînement des LLM

Distillation par correspondance de distribution améliorée pour la synthèse rapide d’images

Modélisation de la diffusion à trois corps pour la modélisation générative

Mise à l'échelle du pré-entraînement multimodal natif à partir de zéro

DataPrep-Bench : Évaluation comparative des grands modèles de langage en tant que préparateurs de données d’entraînement

Molt : un cadre d’entraînement PyTorch natif et extensible pour l’apprentissage par renforcement agentique

Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems

Skill Self-Play : repousser les frontières des capacités des LLM grâce à des compétences co-évolutives

De meilleurs harnais, des modèles plus petits : construire des agents 90 % moins chers grâce à l'adaptation automatisée des harnais

3 007