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

Phi-Groundテクニカルレポート:GUIグラウンディングにおける認識の進展

Seed-Prover:自動定理証明における深く広い推論































Phi-Groundテクニカルレポート:GUIグラウンディングにおける認識の進展

Seed-Prover:自動定理証明における深く広い推論






























野生における合成音声検出における「少即是多」
ソリューション認識型とグローバルなReLU選択:部分MILPがDNN検証において再び力を発揮する
CoT-Self-Instruct:推論および非推論タスク向け高品質な合成プロンプトの構築
参照音声視覚セグメンテーションにおけるオムニモーダル表現と推論の実現へ
弱教師付きで、未知のドメインへの空中画像向け車両検出器の適応
VL-Cogito:高度なマルチモーダル推論のためのプログレッシブカリキュラム強化学習
Falcon-H1:効率性と性能を再定義するハイブリッドヘッド言語モデルの家族
BANG:生成的分解ダイナミクスを用いた3Dアセットの分割
ScreenCoder:モジュール型マルチモーダルエージェントを活用したフロントエンド自動化のための視覚からコード生成の進展
MIRepNet:EEGを用いた運動想起分類のためのパイプラインおよび基礎モデル
ChemDFM-R:原子化化学知識を統合した化学推論型言語モデル
X-Omni:強化学習が離散自己回帰型画像生成モデルを再び優れたものにした
HunyuanWorld 1.0:言語またはピクセルから没入型で探索可能かつインタラクティブな3D世界を生成する
AlphaEarth Foundations:疎なラベルデータからの高精度かつ効率的な全球マッピングを実現する埋め込み場モデル
説明可能なディープラーニングモデルを用いた長期的なENSO予測への道標
OmniArch:科学計算のためのファウンデーションモデル構築
UI-AGILE:GUIエージェントの強化学習と正確な推論時における接地の進展
DualSG:デュアルストリーム・エクスプレシット・セマンティック・ガイドド多変量時系列予測フレームワーク
トークンが多すぎるとき:画像、動画、音声におけるマルチモーダル長文脈トークン圧縮の調査
SmallThinker: ローカル配備に特化してネイティブに訓練された効率的な大規模言語モデルのファミリー
4D空間知能の再構築:サーベイ
Rep-MTL:表現レベルのタスクサリエンシーの力を解放するマルチタスク学習
ARC-Hunyuan-Video-7B:現実世界のショートビデオの構造化理解
エージェント型強化政策最適化
仕様の自己修正:テスト時における改善を通じた文脈内報酬の悪用の軽減
PRIX:エンドツーエンド自動運転におけるロープレキシスから学ぶ計画
AIとのチャット:リアルタイムビデオ通信が人間からAIへと驚くべき転換を遂げたこと
MMBench-GUI: GUIエージェントのための階層的マルチプラットフォーム評価フレームワーク
LLM量子化の幾何学:GPTQはババイの最近接平面アルゴリズムとして
MedIQA:プロンプト駆動型医療画像品質評価のためのスケーラブルなファウンデーションモデル
野生における合成音声検出における「少即是多」
ソリューション認識型とグローバルなReLU選択:部分MILPがDNN検証において再び力を発揮する
CoT-Self-Instruct:推論および非推論タスク向け高品質な合成プロンプトの構築
参照音声視覚セグメンテーションにおけるオムニモーダル表現と推論の実現へ
弱教師付きで、未知のドメインへの空中画像向け車両検出器の適応
VL-Cogito:高度なマルチモーダル推論のためのプログレッシブカリキュラム強化学習
Falcon-H1:効率性と性能を再定義するハイブリッドヘッド言語モデルの家族
BANG:生成的分解ダイナミクスを用いた3Dアセットの分割
ScreenCoder:モジュール型マルチモーダルエージェントを活用したフロントエンド自動化のための視覚からコード生成の進展
MIRepNet:EEGを用いた運動想起分類のためのパイプラインおよび基礎モデル
ChemDFM-R:原子化化学知識を統合した化学推論型言語モデル
X-Omni:強化学習が離散自己回帰型画像生成モデルを再び優れたものにした
HunyuanWorld 1.0:言語またはピクセルから没入型で探索可能かつインタラクティブな3D世界を生成する
AlphaEarth Foundations:疎なラベルデータからの高精度かつ効率的な全球マッピングを実現する埋め込み場モデル
説明可能なディープラーニングモデルを用いた長期的なENSO予測への道標
OmniArch:科学計算のためのファウンデーションモデル構築
UI-AGILE:GUIエージェントの強化学習と正確な推論時における接地の進展
DualSG:デュアルストリーム・エクスプレシット・セマンティック・ガイドド多変量時系列予測フレームワーク
トークンが多すぎるとき:画像、動画、音声におけるマルチモーダル長文脈トークン圧縮の調査
SmallThinker: ローカル配備に特化してネイティブに訓練された効率的な大規模言語モデルのファミリー
4D空間知能の再構築:サーベイ
Rep-MTL:表現レベルのタスクサリエンシーの力を解放するマルチタスク学習
ARC-Hunyuan-Video-7B:現実世界のショートビデオの構造化理解
エージェント型強化政策最適化
仕様の自己修正:テスト時における改善を通じた文脈内報酬の悪用の軽減
PRIX:エンドツーエンド自動運転におけるロープレキシスから学ぶ計画
AIとのチャット:リアルタイムビデオ通信が人間からAIへと驚くべき転換を遂げたこと
MMBench-GUI: GUIエージェントのための階層的マルチプラットフォーム評価フレームワーク
LLM量子化の幾何学:GPTQはババイの最近接平面アルゴリズムとして
MedIQA:プロンプト駆動型医療画像品質評価のためのスケーラブルなファウンデーションモデル