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
論文

序章:長文脈にわたる全体的理解と推論を要するベンチマーク

ToonComposer:生成後キーふりによるアニメ制作の効率化






























NextStep-1:スケールにおける連続トークンを用いた自己回帰型画像生成へ
We-Math 2.0:視覚的数学的推論を促進するための汎用数学書システム
COREVQA:クラウド観察と推論包含を備えた視覚質問応答ベンチマーク
RelayFormer:スケーラブルな画像および動画操作の局所的・包括的注意力枠組み
GMF-Drive:空間認識型BEV表現を備えたゲート付きMamba融合によるエンドツーエンド自動運転
見る、聞く、覚える、推論する:長期記憶を備えたマルチモーダルエージェント
拡散型LLMは離散的拡散強制を用いて、ARより高速な推論が可能になる
AWorld:安定した旋回を実現する動的マルチエージェントシステムによるロバストなGAIA問題解決
Story2Board:表現力豊かなストーリーボード生成のためのトレーニングフリーなアプローチ
スタンドイン:動画生成のための軽量かつ即時接続型アイデンティティ制御
Mol-R1:分子発見における明示的長期CoT推論への挑戦
Llama-Nemotron:効率的な推論モデル
ドキュメントヘイストック:長文脈マルチモーダル画像/ドキュメント理解を対象としたビジョンLLMベンチマーク
Echo-4o:GPT-4oによる合成画像の力を活用した画像生成の向上
ラベルフリー組織のイメージングマススペクトロメトリーにおけるバーチャル染色
VisCodex:視覚モデルとコーディングモデルの統合による統一されたマルチモーダルコード生成
HierSearch:ローカル検索とWeb検索を統合した階層型エンタープライズディープサーチフレームワーク
時刻は特徴である:拡散言語モデルにおける時系列ダイナミクスの活用
CharacterShot:制御可能かつ一貫性のある4Dキャラクターアニメーション
テンターンを越えて:大規模非同期強化学習を用いた長期的エージェント検索の解禁
Matrix-3D:全方位探索可能な3D世界生成
WebWatcher:視覚言語ディープリサーチエージェントの新たな地平を切り開く
マルコボイス技術報告書
Kimina-Proverプレビュー:強化学習を用いた大規模形式的推論モデルの構築へ
PyVeritas: Pythonの検証におけるLLMベースのトランスパイルとC言語向けのバウンデッドモデルチェック
内在メモリエージェント:構造化された文脈メモリを用いた異種多エージェントLLMシステム
CRISPR–Cas配列のモデル化による高機能なゲノムエディタの設計
UserBench:ユーザ中心型エージェント向けインタラクティブジム環境
SONAR-LLM:文の埋め込みで思考し、トークンで発話する自己回帰型トランスフォーマー
Klear-Reasoner:勾配を保持するクリッピング方策最適化による推論能力の向上