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
SingLoRA: 単一行列を使用した低ランク適応
LLM
Transformer
David Bensa\u00efd, Noam Rotstein, Roy Velich, et al.
潜在的な推論に関する調査
LLM
Reasoning
Rui-Jie Zhu, Tianhao Peng, Tianhao Cheng, et al.
エージェントKB：クロスドメイン経験を活用したエージェンティックな問題解決
エージェント
Reasoning
Xiangru Tang, Tianrui Qin, Tianhao Peng, et al.
ChipSeek-R1: ヒエラルキー報酬駆動強化学習を用いた人間を超えるRTLの生成
LLM
モデル学習
Zhirong Chen, Kaiyan Chang, Zhuolin Li, et al.
MedGemma 技術報告書
Any-to-Any
視覚質問応答
Andrew Sellergren, Sahar Kazemzadeh, Tiam Jaroensri, et al.
BMMR: 大規模な二言語マルチモーダル多分野推論データセット
マルチモーダル
データセット
Zhiheng Xi, Guanyu Li, Yutao Fan, et al.
事前学習されたポリシーディスクリミネーターは一般的な報酬モデルである
Preference Modeling
モデル学習
Shihan Dou, Shichun Liu, Yuming Yang, et al.
DreamVLA: 全世界的知識を夢見る視覚・言語・行動モデル
Any-to-Any
ロボティクス
Wenyao Zhang, Hongsi Liu, Zekun Qi, et al.
4DSloMo: 高速シーンの非同期キャプチャによる4D再構成
3D マシンビジョン
ビデオ処理
Yutian Chen, Shi Guo, Tianshuo Yang, et al.
マスク言語モデルを使用してエンコーダーを事前学習するべきか？
自然言語処理
Transformer
Hippolyte Gisserot-Boukhlef, Nicolas Boizard, Manuel Faysse, et al.
MemOS: AIシステム用のメモリOS
LLM
検索拡張生成
Zhiyu Li, Shichao Song, Chenyang Xi, et al.
OGF: 不安定な乱流の統計的定常状態の時間平均を最適化するためのオンライン勾配流手法
サイエンスのためのAI
高性能計算
Tom Hickling, Jonathan F. MacArt, Justin Sirignano, et al.
OpenS2S: オープンソースのエンドツーエンド共感型大規模音声言語モデルの進化
Text-to-Speech
音声および音声処理
Chen Wang, Tianyu Peng, Wen Yang, et al.
Point3R: 明示的空間ポインタメモリを用いたストリーミング3D再構成
3D マシンビジョン
深度推定
Yuqi Wu, Wenzhao Zheng, Jie Zhou, et al.
ステップヒント：多段階の逐次ヒントが強化学習による推論を向上させる
強化学習
LLM
Kaiyi Zhang, Ang Lv, Jinpeng Li, et al.
厳密な主体的ベンチマークの構築における最良の実践手法の確立
ベンチマーク
エージェント
Yuxuan Zhu, Tengjun Jin, Yada Pruksachatkun, et al.
GPT-4oは視覚をどの程度理解しているのか？標準的なコンピュータビジョンタスクにおけるマルチモーダル基礎モデルの評価
画像認識
画像分類
Rahul Ramachandran, Ali Garjani, Roman Bachmann, et al.
Eka-Eval : インド言語の大規模言語モデルの包括的評価フレームワーク
ベンチマーク
LLM
Samridhi Raj Sinha, Rajvee Sheth, Abhishek Upperwal, et al.
DynamiCare: 動的なマルチエージェントフレームワークによるインタラクティブかつオープンエンドの医療意思決定
エージェント
LLM
Tianqi Shang, Weiqing He, Charles Zheng, et al.
エネルギーベースのトランスフォーマーはスケーラブルな学習者であり思考者である
Transformer
コンピュータビジョン
Alexi Gladstone, Ganesh Nanduru, Md Mofijul Islam, et al.
IntFold: 一般および専門的なバイオ分子構造予測のための制御可能な基盤モデル
Transformer
生物分子
The IntFold Team, Leon Qiao, Wayne Bai, et al.
内なる声に耳を傾ける：中間特徴フィードバックによるControlNetの訓練の整合
拡散モデル
画像生成
Nina Konovalova, Maxim Nikolaev, Andrey Kuznetsov, et al.
Skywork-Reward-V2: ヒューマン-AI 協調による嗜好データのキュレーションのスケーリング
Preference Modeling
データセット
Chris Yuhao Liu, Liang Zeng, Yuzhen Xiao, et al.
LangScene-X: 3D言語埋め込みシーンの一般化再構築に向けたTriMapビデオ拡散モデル
Any-to-Any
3D生成
Fangfu Liu, Hao Li, Jiawei Chi, et al.
画像を用いた多モーダル推論の思考：基礎、手法、および将来のフロンティア
マルチモーダル
Reasoning
Zhaochen Su, Peng Xia, Hangyu Guo, et al.
WebSailor: ウェブエージェントの超人的推論をナビゲートする
エージェント
Reasoning
Kuan Li, Zhongwang Zhang, Huifeng Yin, et al.
AIリサーチエージェントによる機械学習：MLE-benchにおける探索、探査、および一般化
強化学習
サイエンスのためのAI
Edan Toledo, Karen Hambardzumyan, Martin Josifoski, et al.
局所性を考慮した並列デコーディングによる効率的な自己回帰画像生成
画像生成
Transformer
Zhuoyang Zhang, Luke J. Huang, Chengyue Wu, et al.
FreeMorph: ディフュージョンモデルを用いたチューニングフリーの汎用画像モーフィング
拡散モデル
画像間変換
Yukang Cao, Chenyang Si, Jinghao Wang, et al.
視覚言語行動モデルに関する調査：行動トークン化の観点から
マルチモーダル
自然言語処理
Yifan Zhong, Fengshuo Bai, Shaofei Cai, et al.
任意の条件における任意の深さ
深度推定
3D マシンビジョン
Boyuan Sun, Modi Jin, Bowen Yin, et al.
LongAnimation: 動的なグローバル-ローカルメモリを用いた長尺アニメーション生成
動画生成
ビデオ理解
Nan Chen, Mengqi Huang, Yihao Meng, et al.