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
プリズム仮説：統一オートエンコーディングを用いた意味表現とピクセル表現の調和
マルチモーダル表現
Any-to-Any
Weichen Fan, Haiwen Diao, Quan Wang, et al.
Med-Banana-50K：テキスト誘導型医療画像編集を目的としたマルチモダリティ大規模データセット
データセット
テキストから画像生成
Zhihui Chen, Mengling Feng
Kascade：長文脈LLM推論における実用的なスパースアテンション手法
Transformer
LLM
Dhruv Deshmukh, Saurabh Goyal, Nipun Kwatra, et al.
GLM-4.5：エージェント機能、推論能力、コーディングを備えたARC基盤モデル
Reasoning
エージェント
GroundingME：多次元評価によるMLLMにおける視覚的接地ギャップの暴露
マルチモーダル
ベンチマーク
Rang Li, Lei Li, Shuhuai Ren, et al.
意味と再構成の両方が重要である：テキストから画像生成および編集に適した表現エンコーダーの構築
テキストから画像生成
拡散モデル
Shilong Zhang, He Zhang, Zhifei Zhang, et al.
4D-RGPT：知覚蒸留を活用した領域レベルにおける4D理解への道標
視覚質問応答
マルチモーダル表現
Chiao-An Yang, Ryo Hachiuma, Sifei Liu, et al.
Seed-Prover 1.5：経験からの学習による学部レベル定理証明の習得
コード生成
エージェント
Jiangjie Chen, Wenxiang Chen, Jiacheng Du, et al.
推論が法則に出会うとき
Reasoning
ベンチマーク
Junyu Zhang, Yifan Sun, Tianang Leng, et al.
LLMの科学的汎用知能を科学者に整合したワークフローで探求する
ベンチマーク
LLM
Wanghan Xu, Yuhao Zhou, Yifan Zhou, et al.
K2-V2：360-オープン、推論強化型LLM
監視付き微調整
Reasoning
Zhengzhong Liu, Liping Tang, Linghao Jin, et al.
VenusBench-GD：多プラットフォームGUIを活用した多様なグランドリングタスク向け包括的ベンチマーク
ベンチマーク
人間-コンピュータインタラクション
Beitong Zhou, Zhexiao Huang, Yuan Guo, et al.
MCIF：科学講演から得られたマルチモーダル・クロスリンガル指示追従ベンチマーク
マルチモーダル
Any-to-Any
Sara Papi, Maike Züfle, Marco Gaido, et al.
NitroGen：汎用ゲームエージェント向けオープンフォンドレーションモデル
コンピュータビジョン
ビデオ理解
Loic Magne, Anas Awadalla, Guanzhi Wang, et al.
Hニューロン：大規模言語モデルにおける幻覚関連ニューロンの存在、影響および起源について
LLM
自然言語処理
Cheng Gao, Huimin Chen, Chaojun Xiao, et al.
世界はあなたのキャンバスである：参照画像、軌道、テキストを用いたプロンプト可能なイベントの描写
テキストから動画
画像から動画生成
Hanlin Wang, Hao Ouyang, Qiuyu Wang, et al.
アルケミスト：メタ勾配データ選択によるテキストから画像へのモデル学習における効率性の解禁
テキストから画像生成
拡散モデル
Kaixin Ding, Yang Zhou, Xi Chen, et al.
Depth Any Panoramas: パノラマ深度推定のためのファウンデーションモデル
深度推定
3D マシンビジョン
Xin Lin, Meixi Song, Dizhe Zhang, et al.
生成的焦点再調整：単一画像からの柔軟なボケ量制御
画像間変換
深度推定
Chun-Wei Tuan Mu, Jia-Bin Huang, Yu-Lun Liu
StereoPilot：生成的事前知識を用いた統一的で効率的なステレオ変換の学習
ビデオ処理
画像間変換
Guibao Shen, Yihua Du, Wenhang Ge, et al.
次Embedding予測が強力な視覚学習者を実現する
Transformer
コンピュータビジョン
Sihan Xu, Ziqiao Ma, Wenhao Chai, et al.
エージェントAI：マルチモーダルインタラクションの地平を探索する
エムボディドインテリジェンス
マルチモーダル
Zane Durante, Qiuyuan Huang, Naoki Wake, et al.
AI数学者を数学的発見の先導者として――均質化理論における事例研究
Reasoning
人工知能
Yuanhang Liu, Beichen Wang, Peng Li, et al.
GenEval 2：テキストから画像評価におけるベンチマークのずれに対処する
テキストから画像生成
ベンチマーク
Amita Kamath, Kai-Wei Chang, Ranjay Krishna, et al.
PrivateXR：説明可能なAIガイド付き微分プライバシーを用いた拡張現実におけるプライバシー攻撃防御
感情認識
マルチモーダル
Ripan Kumar Kundu, Istiak Ahmed, Khaza Anuarul Hoque
時間的な摩擦と裁判所の結果：2020–2024年におけるクック郡の刑事判決における時間遅延の影響分析
データセット
モデリング
Yifei Tong
メタRLは言語エージェントにおける探索を誘発する
強化学習
LLM
Yulun Jiang, Liangze Jiang, Damien Teney, et al.
LLMCache：Transformer推論における高速再利用のための階層的キャッシュ戦略
LLM
Transformer
Harsh Vardhan Bansal
OPENTOUCH：現実世界のインタラクションにフルハンドタッチをもたらす
マルチモーダル
ビデオ理解
Yuxin Ray Song, Jinzhou Li, Rao Fu, et al.
VideoRewardBench：動画理解におけるマルチモーダル報酬モデルの包括的評価
ビデオ理解
視覚質問応答
Zhihong Zhang, Xiaojian Huang, Jin Xu, et al.
ソウル：高精度な長期マルチモーダルアニメーションのためのデジタル人間への生命の息吹き
Any-to-Any
画像から動画生成
Jiangning Zhang, Junwei Zhu, Zhenye Gan, et al.
IF-Bench：生成視覚を用いた赤外線画像におけるMLLMのベンチマーク評価と性能向上
視覚質問応答
ベンチマーク
Tao Zhang, Yuyang Hong, Yang Xia, et al.