HyperAI

Le Reward Hacking à l'ère des grands modèles : mécanismes, désalignement émergent et défis

Xiaohua Wang, Muzhao Tian, Yuqi Zeng, et al.

DR-Venus : Vers des agents de recherche profonde à l'échelle de l'edge à la frontière, avec seulement 10k données ouvertes

Agent

Affinage Supervisé

Venus Team, Sunhao Dai, Yong Deng, et al.

Apprentissage Par Renforcement

Entraînement Du Modèle

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

Modèle De Diffusion

Multimodal

Inclusion AI, Tiwei Bie, Haoxing Chen, et al.

BioInstruct : Instruction Tuning des Large Language Models pour le Traitement du Langage Naturel Biomédical

Affinage Supervisé

LLM

Hieu Tran, Zhichao Yang, Zonghai Yao, et al.

Rapport technique sur Logics-Parsing-Omni

Ron Vainshtein, Zohar Rimon, Shie Mannor, et al.

Le titre est vide. Veuillez fournir le titre à traduire.

PlayCoder : Rendre jouable le code GUI généré par les LLM

Génération De Code

LLM

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

TEMPO : Mise à l'échelle de l'entraînement au moment du test (Test-time Training) pour les grands modèles de raisonnement

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

Modèle De Diffusion

Vision Machine 3D

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

Agent

LLM

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

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

Image À Image

Génération D'images

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

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

LLM

Transformer

Xiangbo Qi, Chaoyi Jiang, Murali Annavaram

Compréhension Vidéo

Multimodal

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.

Génération De Code

Agent

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

Agent

LLM

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

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

Multimodal

Conduite Autonome

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

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.

Multimodal

Compréhension Vidéo

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

Agent

Multimodal

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

Mathématiques

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

Agent

LLM

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

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

Tongyi Qianwen

Multimodal

Qwen Team

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

Génération Augmentée Par La Recherche

LLM

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

PersonaVLM : LLMs Multimodaux Personnalisés à Long Terme

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

Le Reward Hacking à l'ère des grands modèles : mécanismes, désalignement émergent et défis

LLM

Multimodal

Xiaohua Wang, Muzhao Tian, Yuqi Zeng, et al.

DR-Venus : Vers des agents de recherche profonde à l'échelle de l'edge à la frontière, avec seulement 10k données ouvertes

Agent

Affinage Supervisé

Venus Team, Sunhao Dai, Yong Deng, et al.

Apprentissage Par Renforcement

Entraînement Du Modèle

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

Modèle De Diffusion

Multimodal

Inclusion AI, Tiwei Bie, Haoxing Chen, et al.

Affinage Supervisé

LLM

Hieu Tran, Zhichao Yang, Zonghai Yao, et al.

Ron Vainshtein, Zohar Rimon, Shie Mannor, et al.

Génération De Code

LLM

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

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

Modèle De Diffusion

Vision Machine 3D

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

Agent

LLM

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

Génération De Vidéo

Image Vers Vidéo

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

Image À Image

Génération D'images

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

LLM

Transformer

Xiangbo Qi, Chaoyi Jiang, Murali Annavaram

Compréhension Vidéo

Multimodal

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

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

Génération De Code

Agent

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

Agent

LLM

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

Multimodal

Conduite Autonome

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

Génération D'images

Texte Vers Image

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

Segmentation D'images

Imagerie Médicale

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

Multimodal

Compréhension Vidéo

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

Agent

Multimodal

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

Génération De Vidéo

Texte Vers Vidéo

Hunyuan Foundation Model Team

Génération Augmentée Par La Recherche

Mathématiques

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

Agent

LLM

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

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

Tongyi Qianwen

Multimodal

Qwen Team

Génération Augmentée Par La Recherche

LLM

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

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

Optimisation de politique à court terme

LLaDA2.0-Uni : Unifier la compréhension et la génération multimodales avec un Large Language Model de diffusion

BioInstruct : Instruction Tuning des Large Language Models pour le Traitement du Langage Naturel Biomédical

Rapport technique sur Logics-Parsing-Omni

Task Tokens : une approche flexible pour l'adaptation des modèles de fondation de comportement (Behavior Foundation Models)

Le titre est vide. Veuillez fournir le titre à traduire.

PlayCoder : Rendre jouable le code GUI généré par les LLM

TEMPO : Mise à l'échelle de l'entraînement au moment du test (Test-time Training) pour les grands modèles de raisonnement

AnyRecon : Reconstruction 3D à vue arbitraire avec un modèle de diffusion vidéo

AgentSPEX : un langage de spécification et d'exécution pour agents

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

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

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