Articles de recherche récents

Mono-InternVL-1.5 : Vers des modèles linguistiques multimodaux monolithiques moins coûteux et plus rapides

Franca : Regroupement emboîté de type Matryoshka pour l'apprentissage de représentations visuelles à grande échelle

Un Cadre centré sur les données pour aborder les défis phonétiques et prosodiques dans les modèles génératifs de la parole russe

Le Diable derrière le masque : Une vulnérabilité de sécurité émergente des LLMs de diffusion

PrefPalette : Modélisation des Préférences Personnalisées avec des Attributs Latents

CUDA-L1 : Amélioration de l'optimisation CUDA grâce à l'apprentissage par renforcement contrastif

Projet AnyCap : Un cadre unifié, un jeu de données et un benchmark pour la légendisation omni-modale contrôlée

Diffuman4D : Synthèse de vues humaines 4D cohérentes à partir de vidéos à vues rares avec des modèles de diffusion spatio-temporelle

Le Jeu de l’Imitation : la Machine d’Imitation de Turing est Généralisable en Longueur Raisonneur

π³ : Apprentissage de géométrie visuelle équivariant aux permutations, évolutif à grande échelle

VisionThink : Modèle de Langage Visuel Intelligent et Efficace par Apprentissage par Renforcement

Une revue de l'ingénierie contextuelle pour les grands modèles linguistiques

Évaluation des modèles mondiaux adaptatifs dans les machines à l'aide de nouveaux jeux

Soutien Émotionnel avec la Génération de Dialogue Empathique Basée sur les MLLM

DrafterBench : Évaluation des grands modèles de langage pour l'automatisation des tâches en génie civil

SWE-Perf : Les modèles de langage peuvent-ils optimiser les performances du code dans des dépôts réels ?

MOSPA : Génération de mouvements humains pilotée par l'audio spatial

MMHU : Un benchmark multimodal à grande échelle pour la compréhension du comportement humain

PhysX : Génération d'Actifs 3D Basée sur la Physique

Vers une RAG agente avec un raisonnement profond : Une revue des systèmes de raisonnement RAG dans les LLMs

La-Proteina : Génération de protéines au niveau atomique par appariement de flux partiellement latents

SUICA : Apprentissage de représentations neuronales implicites parcimonieuses en très haute dimension pour la transcriptomique spatiale

XiChen : Un système de prévision météorologique mondial entièrement piloté par l'IA, à l'échelle des observations, avec une connaissance variationnelle 4D

AgentsNet : Coordination et Raisonnement Collaboratif dans les LLMs Multi-Agents

Les modèles fondamentaux multimodaux peuvent-ils comprendre les diagrammes schématiques ? Une étude empirique sur la Q&A de recherche d'information dans les articles scientifiques

Lois d'échelle pour les mélanges de données optimaux

EXAONE 4.0 : Modèles de langage unifiés intégrant les modes non raisonnés et raisonnés

Génération d'images à partir de texte avec cohérence du sujet et diversité des poses

Vision-Langage-Vision Auto-Encodeur : Distillation de Connaissances Évolutives à Partir des Modèles de Diffusion

DuetGraph : Raisonnement dans les graphes de connaissances de manière grossière à fine avec une fusion globale-locale à double voie