HyperAI
Command Palette
Search for a command to run...
Papers
最新のAIトレンドを把握するための、日々更新される最先端AI研究論文
FaithLens：忠実性ホワリュネーションの検出と解釈
検索拡張生成
監視付き微調整
Shuzheng Si, Qingyi Wang, Haozhe Zhao, et al.
SAM Audio：音声におけるアノテーションのための「Anything」モデル
Any-to-Any
マルチモーダル
Bowen Shi, Andros Tjandra, John Hoffman, et al.
ステップ・ディープリサーチ 技術報告書
エージェント
監視付き微調整
Chen Hu, Haikuo Du, Heng Wang, et al.
SpatialTree：MLLMにおける空間能力の分岐構造
マルチモーダル
Reasoning
Yuxi Xiao, Longfei Li, Shen Yan, et al.
セマンティックジェン：セマンティック空間における動画生成
動画生成
画像から動画生成
Jianhong Bai, Xiaoshi Wu, Xintao Wang, et al.
人間がループ内に参加する推論型大規模言語モデルエージェントを用いた自動ステレオタクティック放射線外科学計画
Reasoning
エージェント
Humza Nusrat, Luke Francisco, Bing Luo, et al.
LongVideoAgent：長時間動画を用いたマルチエージェント推論
エージェント
視覚質問応答
Runtao Liu, Ziyi Liu, Jiaqi Tang, et al.
GenEnv：LLMエージェントと環境シミュレータ間の難易度整合型共進化
エージェント
LLM
Jiacheng Guo, Ling Yang, Peter Chen, et al.
WorldWarp：非同期ビデオディフュージョンを用いた3Dジオメトリの伝播
拡散モデル
3Dモデル
Hanyang Kong, Xingyi Yang, Xiaoxu Zheng, et al.
LoGoPlanner：メトリック感知視覚幾何を備えた局所化基盤型ナビゲーション方策
エムボディドインテリジェンス
深度推定
Jiaqi Peng, Wenzhe Cai, Yuqiang Yang, et al.
LLMは学生の困難を推定できるか？プロフィシエンシー・シミュレーションを用いた人間-AI難易度整合による項目難易度予測
LLM
Reasoning
Ming Li, Han Chen, Yunze Xiao, et al.
QuCo-RAG：事前学習コーパスからの不確実性の定量化による動的リトリーブ増強生成
検索拡張生成
インテリジェントな質問応答
Dehai Min, Kailin Zhang, Tongtong Wu, et al.
プリズム仮説：統一オートエンコーディングを用いた意味表現とピクセル表現の調和
マルチモーダル表現
Any-to-Any
Weichen Fan, Haiwen Diao, Quan Wang, et al.
Med-Banana-50K：テキスト誘導型医療画像編集を目的としたマルチモダリティ大規模データセット
データセット
テキストから画像生成
Zhihui Chen, Mengling Feng
Kascade：長文脈LLM推論における実用的なスパースアテンション手法
Transformer
LLM
Dhruv Deshmukh, Saurabh Goyal, Nipun Kwatra, et al.
GLM-4.5：エージェント機能、推論能力、コーディングを備えたARC基盤モデル
Reasoning
エージェント
GroundingME：多次元評価によるMLLMにおける視覚的接地ギャップの暴露
マルチモーダル
ベンチマーク
Rang Li, Lei Li, Shuhuai Ren, et al.
意味と再構成の両方が重要である：テキストから画像生成および編集に適した表現エンコーダーの構築
テキストから画像生成
拡散モデル
Shilong Zhang, He Zhang, Zhifei Zhang, et al.
4D-RGPT：知覚蒸留を活用した領域レベルにおける4D理解への道標
視覚質問応答
マルチモーダル表現
Chiao-An Yang, Ryo Hachiuma, Sifei Liu, et al.
Seed-Prover 1.5：経験からの学習による学部レベル定理証明の習得
コード生成
エージェント
Jiangjie Chen, Wenxiang Chen, Jiacheng Du, et al.
推論が法則に出会うとき
Reasoning
ベンチマーク
Junyu Zhang, Yifan Sun, Tianang Leng, et al.
LLMの科学的汎用知能を科学者に整合したワークフローで探求する
ベンチマーク
LLM
Wanghan Xu, Yuhao Zhou, Yifan Zhou, et al.
K2-V2：360-オープン、推論強化型LLM
監視付き微調整
Reasoning
Zhengzhong Liu, Liping Tang, Linghao Jin, et al.
VenusBench-GD：多プラットフォームGUIを活用した多様なグランドリングタスク向け包括的ベンチマーク
ベンチマーク
人間-コンピュータインタラクション
Beitong Zhou, Zhexiao Huang, Yuan Guo, et al.
MCIF：科学講演から得られたマルチモーダル・クロスリンガル指示追従ベンチマーク
マルチモーダル
Any-to-Any
Sara Papi, Maike Züfle, Marco Gaido, et al.
NitroGen：汎用ゲームエージェント向けオープンフォンドレーションモデル
コンピュータビジョン
ビデオ理解
Loic Magne, Anas Awadalla, Guanzhi Wang, et al.
Hニューロン：大規模言語モデルにおける幻覚関連ニューロンの存在、影響および起源について
LLM
自然言語処理
Cheng Gao, Huimin Chen, Chaojun Xiao, et al.
世界はあなたのキャンバスである：参照画像、軌道、テキストを用いたプロンプト可能なイベントの描写
テキストから動画
画像から動画生成
Hanlin Wang, Hao Ouyang, Qiuyu Wang, et al.
アルケミスト：メタ勾配データ選択によるテキストから画像へのモデル学習における効率性の解禁
テキストから画像生成
拡散モデル
Kaixin Ding, Yang Zhou, Xi Chen, et al.
Depth Any Panoramas: パノラマ深度推定のためのファウンデーションモデル
深度推定
3D マシンビジョン
Xin Lin, Meixi Song, Dizhe Zhang, et al.
生成的焦点再調整：単一画像からの柔軟なボケ量制御
画像間変換
深度推定
Chun-Wei Tuan Mu, Jia-Bin Huang, Yu-Lun Liu
StereoPilot：生成的事前知識を用いた統一的で効率的なステレオ変換の学習
ビデオ処理
画像間変換
Guibao Shen, Yihua Du, Wenhang Ge, et al.