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
SWE-Perf: 言語モデルは実際のリポジトリでのコード性能を最適化できるか？
ベンチマーク
LLM
Xinyi He, Qian Liu, Mingzhe Du, et al.
MOSPA: 空間音響によって駆動される人間の動作生成
マルチモーダル
合成
Shuyang Xu, Zhiyang Dou, Mingyi Shi, et al.
MMHU: 大規模マルチモーダル人間行動理解ベンチマーク
マルチモーダル
視覚質問応答
Renjie Li, Ruijie Ye, Mingyang Wu, et al.
PhysX: 物理に基づく3Dアセット生成
3D生成
3Dモデル
Ziang Cao, Zhaoxi Chen, Linag Pan, et al.
エージェンティックRAGと深層推論への道：LLMにおけるRAG推論システムの総説
検索拡張生成
Reasoning
Yangning Li, Weizhi Zhang, Yuyao Yang, et al.
La-Proteina: 部分潜在フローマッチングを用いた原子レベルのタンパク質生成
サイエンスのためのAI
モデリング
Tomas Geffner, Kieran Didi, Zhonglin Cao, et al.
SUICA: スーパーハイ次元のスパースな暗黙のニューラル表現を学習して空間トランスクリプトミクスに応用
サイエンスのためのAI
ディープラーニング
Qingtian Zhu, Yumin Zheng, Yuling Sang, et al.
XiChen: 4次元変分知識を用いた観測スケーラブルな完全AI駆動型世界気象予報システム
ディープラーニング
モデリング
Wuxin Wang, Weicheng Ni, Lilan Huang, et al.
AgentsNet: 多エージェントLLMにおける調整と協調的な推論
LLM
Reasoning
Florian Gr\u00f6tschla, Luis M\u00fcller, Jan T\u00f6nshoff, et al.
多モーダル基盤モデルはスキーマ図を理解できるか？科学論文の情報探索QAに関する実証研究
視覚質問応答
ドキュメント理解
Yilun Zhao, Chengye Wang, Chuhan Li, et al.
最適データ混合のスケーリング則
LLM
マルチモーダル
Mustafa Shukor, Louis Bethune, Dan Busbridge, et al.
主題一貫かつ姿勢多様なテキストから画像生成
テキストから画像生成
拡散モデル
Zhanxin Gao, Beier Zhu, Liang Yao, et al.
ビジョン言語ビジョン 自動エンコーダー: ディフュージョンモデルからのスケーラブルな知識蒸留
画像説明
拡散モデル
Tiezheng Zhang, Yitong Li, Yu-cheng Chou, et al.
DuetGraph: 粗密から精密へ知識グラフ推論の双方向グローバル-ローカル融合
Reasoning
ディープラーニング
Jin Li, Zezhong Ding, Xike Xie
CogDDN: 認知的ニーズに基づくナビゲーションと意思決定の最適化および二重過程思考
エージェント
Reasoning
Yuehao Huang, Liang Liu, Shuangming Lei, et al.
LayerCake: 大規模言語モデルの層内のトークン認識対照的デコーディング
LLM
Transformer
Jingze Zhu, Yongliang Wu, Wenbo Zhu, et al.
Mixture-of-Recursions: 動的な再帰深度の学習による適応的なトークンレベル計算
Transformer
LLM
Sangmin Bae, Yujin Kim, Reza Bayat, et al.
REST: 複数の問題を一度に提示することで大規模推論モデルのストレステストを行う
ベンチマーク
Reasoning
Zhuoshi Pan, Qizhi Pei, Yu Li, et al.
EmbRACE-3K: 複雑な環境における身体化された推論と行動
エムボディドインテリジェンス
ベンチマーク
Mingxian Lin, Wei Huang, Yitang Li, et al.
推論か記憶か？強化学習のデータ汚染による信頼性の低い結果
ベンチマーク
強化学習
Mingqi Wu, Zhihao Zhang, Qiaole Dong, et al.
SpeakerVid-5M: 大規模高品質データセットによる音声視覚的な二人間相互作用のヒューマンジェネレーション
ビデオ理解
マルチモーダル
Youliang Zhang, Zhaoyang Li, Duomin Wang, et al.
VerifyBench: 複数領域における推論検証システムのための体系的なベンチマーク
ベンチマーク
LLM
Xuzhao Li, Xuchen Li, Shiyu Hu, et al.
サイドチェーンの条件付けとモデリングを用いたFAMPNNによる全原子プロテインシーケンス設計
Transformer
ディープラーニング
Talal Widatalla, Richard W. Shuai, Brian Hie, et al.
One Token to Fool LLM-as-a-Judge
一つのトークンでLLMジャッジを欺く
LLM
ベンチマーク
Yulai Zhao, Haolin Liu, Dian Yu, et al.
From One to More: Contextual Part Latents for 3D Generation
を
一から多へ：3D生成のための文脈に基づいた部分潜在変数
3D生成
拡散モデル
Shaocong Dong, Lihe Ding, Xiao Chen, et al.
オープンビジョンリーズナー：言語認知行動の視覚的推論への転送
視覚質問応答
Reasoning
Yana Wei, Liang Zhao, Jianjian Sun, et al.
Lumos-1: 統一モデルの視点から自己回帰ビデオ生成について
Any-to-Any
LLM
Hangjie Yuan, Weihua Chen, Jun Cen, et al.
ニューラル駆動画像編集
マルチモーダル
画像間変換
Pengfei Zhou, Jie Xia, Xiaopeng Peng, et al.
NeuralOS: ニューラルジェネレーティブモデルを用いたオペレーティングシステムのシミュレーションへ向け偰
人間-コンピュータインタラクション
ビデオ理解
Luke Rivard, Sun Sun, Hongyu Guo, et al.
CLiFT: 圧縮された光線トークンを用いた計算効率の高い適応型ニューラルレンダリング
3D マシンビジョン
深度推定
Zhengqing Wang, Yuefan Wu, Jiacheng Chen, et al.
システム・オブ・システムズのモデリングと最適化：複合モビリティの統合フレームワーク
モデリング
合成
Paul Saves, Jasper Bussemaker, R\u00e9mi Lafage, et al.
全原子拡散トランスフォーマー：分子と材料の統一生成モデリング
拡散モデル
Transformer
Chaitanya K. Joshi, Xiang Fu, Yi-Lun Liao, et al.