Papers

Hongze Chen, Miao Pan, Lizhou Liang, et al.

CodeCap-Bench: コードは優れたビデオキャプションになり得るか

Video Captioning

コード生成

Jiafu Tang, Yifan Xu, Eric Tang, et al.

Rollback: 方策改善のための世界モデルにおける経験の巻き戻し

Jiayi Luo, Yang Zhang, Liliang Chen, et al.

強化学習

The Trinity: マルチモーダルエージェントのための能力駆動型再帰的自己改善

Weidong Tang, Ruiheng Wang, Jingxuan Zhang, et al.

PDRVLA: 物理ダイナミクス表現を備えた視覚–言語–行動モデル

マルチモーダル表現

Hanqing Wang, Zhaotian Cai, Ruichuan An, et al.

Hy-Nomas: 自由形式インタラクティブ世界生成に向けて

Qiaoling Chen, Jiaxiang Cheng, Xueqing Deng, et al.

ChronoReplay: ストリーミング空間知能には単一の回答インターフェースでは不十分

監視付き微調整

ビデオ理解

Yihao Hu, Yitong Lin, Pan Wang, et al.

自己進化エージェントは継続学習者か？

Xiaoyin Chen, Yizheng Huang, Yinglun Xu, et al.

ワークエージェント：システム・能力・最適化

Zishan Xu, Enjun Du, Mingqi Gao, et al.

InteractiveWorld: より良いインタラクティブMLLMアシスタントを構築するための検証可能な人間中心環境

Qinsi Wang, Wei Wen, Chong Zhou, et al.

トレースによる試練：AIエージェントハーネスの信頼性と失敗原因帰属のベンチマーク

ベンチマーク

Zhiyong Cao, Hengjie Zhu, Yongxin Wang, et al.

DynaFlow: 自由形式マルチエージェントオーケストレーションの学習

Ruhao Liu, Qi Li, Shizun Wang, et al.

コード生成

StreamVibe

ビデオ理解

Chengzhi Liu, Yuxiang Lai, Yuzhe Yang, et al.

Trajectory2Gym: ツール使用エージェントのための決定接地型・構成的インタラクション合成

Yihao Hu, Zhihao Wen, Yitong Lin, et al.

監視付き微調整

Omni-Woodpecker: Omni LLMのための証拠-事前知識再均衡化による幻覚補正

マルチモーダル表現

Any-to-Any

Zijian Liu, Chaoyou Fu, Yan Yang, et al.

RSIHub: エージェント進化手法のためのコンポーザブルなフレームワーク

Zimu Wang, Xiaobo Wang, Siyu Ye, et al.

RynnUnify: 統一的な具現化ブレインを目指して

Minghao Zhu, Bohan Hou, Kun Xiang, et al.

HiSTEVE 1.0: オープンワールドゲームのためのヒューマンインターフェース型VLAエージェントの活用

Zecong Tang, Zian Guan, Yuncheng Guo, et al.

USERARENA: 長期視野のショッピングエージェントのための対話型ユーザーシミュレーションのベンチマーク

Jujia Zhao, Jiakai Tang, Jing Yu, et al.

ビデオを通じた世界の読み取り・書き出し・共有・相互作用：統一的なビデオ世界モデルに向けたサーベイ

Shengqiong Wu, Meng Luo, Bobo Li, et al.

動画生成

物理AIにおける再帰的自己改善に向けて

エムボディドインテリジェンス

Meng Luo, Zechen Bai, Shanqing Xu, et al.

IQuest-Q1: エージェンティックCLIシステムのための基盤能力の向上

A. Jian Yang, An Huang, Bo Dan, et al.

コード生成

実世界Web環境における深層検索

Xiaomin Yu, Hongliang Chen, Zhe Huang, et al.

インテリジェントな質問応答

MLLM潜在表現を有効化する：シネマティック映像生成のための因子認識型予測学習

動画生成

Songlin Yang, Zhe Wang, Xiaotong Zhao, et al.

Compositional Edit-Prior Distillationによる画像の再利用可能なレイヤーへの編集

画像間変換

マスク生成

Wen Xue, Yong Liu, Xueheng Li, et al.

WeVisOne-VL: 物体からピクセルまでの統一的な視覚認識

Any-to-Any

マスク生成

Tianming Liang, Junyi Pan, Yuxi Li, et al.

長期地平のワークエージェントのための検証可能環境のスケーリング

Jiazheng Zhang, Long Ma, Yunxian Yang, et al.

汎化可能なエージェント型強化学習のためのHarness Scaling

Fei Bai, Huatong Song, Chuan Hao, et al.

強化学習

科学のための機械学習の自動化：最先端エージェントは実世界の科学の山々を越えられるか？

サイエンスのためのAI

Ming Zhong, Stacy Li, Nicholas Carlini, et al.

実環境におけるエージェント世界モデル：コンピュータ操作エージェント環境の合成

Zhaoyang Wang, Qianhui Wu, Haorui Wang, et al.

将来を見据える：自己回帰型動画生成における未来の発展のモデル化

動画生成