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
GRPO-CARE: 多モーダル推論のための一貫性を考慮した強化学習
強化学習
マルチモーダル
Chen, Yi, Ge, et al.
Skywork-SWE: ソフトウェア工学におけるLLMのデータスケーリング法則の解明
コード生成
LLM
Liang Zeng, Yongcong Li, Yuzhen Xiao, et al.
マトリックスゲーム：インタラクティブな世界基盤モデル
動画生成
画像から動画生成
Yifan Zhang, Chunli Peng, Boyang Wang, et al.
AnimaX: 無生物の3Dアニメーションを関節ビデオ-ポーズ拡散モデルで実現
拡散モデル
3D生成
Zehuan Huang, Haoran Feng, Yangtian Sun, et al.
無人航空機による効率的な視覚に基づく飛行目標のアクティブ追跡の学習アプローチ
オブジェクト追跡
オブジェクト検出
Jagadeswara PKV Pothuri, Aditya Bhatt, Prajit KrisshnaKumar, et al.
TritonZ: 遠隔操作可能な探査・救難用水中ローバー操纵腕付き
ロボティクス
コンピュータビジョン
Kawser Ahmed, Mir Shahriar Fardin, Md Arif Faysal Nayem, et al.
ReasonFlux-PRM: 軌道認識型PRMによるLLMにおける長期思考連鎖の推論
監視付き微調整
Preference Modeling
Jiaru Zou, Ling Yang, Jingwen Gu, et al.
Phantom-Data : 一般的な被験者一貫性を持つビデオ生成データセットに向けて
テキストから動画
画像から動画生成
Zhuowei Chen, Bingchuan Li, Tianxiang Ma, et al.
RLPR: バリデーターなしで一般ドメインにRLVRを外挿する
ベンチマーク
Reasoning
Tianyu Yu, Bo Ji, Shouli Wang, et al.
LongWriter-Zero: 強化学習を用いた超長文生成の掌握
LLM
テキスト生成
Yuhao Wu, Yushi Bai, Zhiqiang Hu, et al.
ノーマルの光：普遍的なフォトメトリックステレオのための統一特徴表現
コンピュータビジョン
画像理解
Hong Li, Houyuan Chen, Chongjie Ye, et al.
状態を用いて多様なコンテキストにおける細胞の摂動に対する反応を予測する
ディープラーニング
モデリング
Abhinav K. Adduri, Dhruv Gautam, Beatrice Bevilacqua, et al.
CodeDiffuser: 注意力強化拡散ポリシーとVLM生成コードによる指示の曖昧性解消
ロボティクス
コード生成
Guang Yin, Yitong Li, Yixuan Wang, et al.
多言語テキストツーティークの最適化：アクセントと感情を考慮して
Text-to-Speech
Any-to-Any
Pawar, Pranav, Dwivedi, et al.
VIKI-R: 強化学習を用いた身体化マルチエージェント協調の調整
エムボディドインテリジェンス
強化学習
Kang, Li, Song, et al.
PAROAttention: パターン認識に基づく効率的なスパースおよび量子化された注意機構の並べ替え
Transformer
ビデオ処理
Zhao, Tianchen, Hong, et al.
ビジョンガイドチャンキングがすべて：マルチモーダル文書理解によるRAGの強化
検索拡張生成
ドキュメント理解
Tripathi, Vishesh, Odapally, et al.
ドラッグアンドドロップ LLM: ゼロショット プロンプトツーウェイツ
LLM
機械学習
Liang, Zhiyuan, Tang, et al.
進化キャッシュを用いた既製の拡散モデルの加速
拡散モデル
テキストから画像生成
Aggarwal, Anirud, Shrivastava, et al.
RE-IMAGINE: 記号ベンチマーク合成による推論評価
LLM
Reasoning
Xu, Xinnuo, Lawrence, et al.
SonicVerse: 音楽特徴を活用した多タスク学習によるキャプショニング
マルチモーダル
Text-to-Speech
Chopra, Anuradha, Roy, et al.
すべてが失われたわけではない：チェックポイントなしのLLM回復
Transformer
モデル学習
Blagoev, Nikolay, Ersoy, et al.
サンダイアル：高性能な時系列基礎モデルのファミリー
Transformer
モデリング
Yong Liu, Guo Qin, Zhiyuan Shi, et al.
ADRD: 規則に基づく意思決定システムを用いたLLM駆動の自動運転
LLM
Reasoning
Fanzhi Zeng, Siqi Wang, Chuzhao Zhu, et al.
構造化指示によるチャートからコードの生成における改良された反復精緻化
コード生成
マルチモーダル
Chengzhi Xu, Yuyang Wang, Lai Wei, et al.
Show-o2: 改良されたネイティブ統一マルチモーダルモデル
Any-to-Any
マルチモーダル表現
Jinheng Xie, Zhenheng Yang, Mike Zheng Shou
強化学習を用いたLLMの推論の再検討：クロスドメインの観点から
強化学習
Reasoning
Zhoujun Cheng, Shibo Hao, Tianyang Liu, et al.
Raptor: 3次元医療データのスケーラブルな学習不要埋め込みを実現する、事前学習済み2次元基盤モデルを活用した手法
Transformer
医療画像
Ulzee An, Moonseong Jeong, Simon Austin Lee, et al.
EmoNet-Voice: 音声感情検出のための細かい粒度で専門家が確認したベンチマーク
感情認識
データセット
Christoph Schuhmann, Robert Kaczmarczyk, Gollam Rabby, et al.
s1：単純なテスト時スケーリング
監視付き微調整
Reasoning
Niklas Muennighoff, Zitong Yang, Weijia Shi, et al.
Search-o1：エージェント型検索強化型大規模推論モデル
検索拡張生成
エージェント
Xiaoxi Li, Guanting Dong, Jiajie Jin, et al.
LLaVA-Mini：1つのビジョントークンを用いた効率的な画像および動画大規模マルチモーダルモデル
マルチモーダル
Any-to-Any
Shaolei Zhang, Qingkai Fang, Zhe Yang, et al.