論文
日々更新される最先端AI研究論文、人工知能の最新動向を把握
CUDA-L2：強化学習を用いた行列積演算においてcuBLASの性能を上回る
Jinliang Zheng, Jianxiong Li, Zhihao Wang, et al.
X-VLA：スケーラブルなクロスエモダイム視覚言語行動モデルとしてのソフトプロンプト付きトランスフォーマー
Jinliang Zheng, Jianxiong Li, Zhihao Wang, et al.
Nemotron 3 Nano：エージェンティックな推論向けに最適化されたオープンで効率的なMixture-of-Experts型ハイブリッドMamba-Transformerモデル
NVIDIA
トラッキングからの構造：動画生成のための構造保存型運動の蒸留
Yang Fei, George Stoica, Jingyuan Liu, et al.
MetaCanvasを用いたMLLM-Diffusion間情報伝達の探求
Han Lin, Xichen Pan, Ziqi Huang, et al.
PersonaLive! ライブストリーミング向け表現力豊かなポートレート画像アニメーション
Zhiyuan Li, Chi-Man Pun, Chen Fang, et al.
V-RGBX：内在特性に対する正確な制御を備えた動画編集
Ye Fang, Tong Wu, Valentin Deschaintre, et al.
SVG-T2I：変分自己符号化器を用いずにテキストから画像への潜在拡散モデルのスケーリングアップ
Minglei Shi, Haolin Wang, Borui Zhang, et al.
DentalGPT：歯科におけるマルチモーダルな複雑な推論を促進するためのアプローチ
Zhenyang Cai, Jiaming Zhang, Junjie Zhao, et al.
SSRB：大規模な異種の準構造化データに対する直接的な自然言語クエリ
Xin Zhang, Mingxin Li, Yanzhao Zhang, et al.
MUVR：マルチモーダルな未加工動画のリトリーバルを評価するベンチマークと、マルチレベルの視覚的対応関係
Yue Feng, Jinwei Hu, Qijia Lu, et al.
Geminiロボティクス政策のVeoワールドシミュレータにおける評価
Coline Devin, Yilun Du, Debidatta Dwibedi, et al.
MotionEdit：モーション中心型画像編集のベンチマークと学習
Yixin Wan, Lei Ke, Wenhao Yu, et al.
オリンピックレベルの幾何学大規模言語モデルエージェントの実現を目的とした、複雑性ブースティング強化学習によるアプローチ
Haiteng Zhao, Junhao Shen, Yiming Zhang, et al.
OPV：効率的な長文の思考過程検証を目的とした成果に基づくプロセス検証器
Zijian Wu, Lingkai Kong, Wenwei Zhang, et al.
テキストから3D生成へのRL導入は、本当に準備ができているか？ プログレッシブな検証
Yiwen Tang, Zoey Guo, Kaixin Zhu, et al.
オリンピックレベルの数学問題解決のための長期予測推論エージェント
Songyang Gao, Yuzhe Gu, Zijian Wu, et al.
T-pro 2.0：効率的なロシア語ハイブリッド推論モデルおよび実験環境
Dmitrii Stoianov, Danil Taranets, Olga Tsymboi, et al.
LGM：高解像度3Dコンテンツ作成のための大型マルチビューGAUSSIANモデル
Jiaxiang Tang, Zhaoxi Chen, Xiaokang Chen, et al.
AutoGLM：GUI向け自律型ファウンデーションエージェント
Xiao Liu, Bo Qin, Dongzhu Liang, et al.
OpenGU：グラフアンリーニングのための包括的ベンチマーク
Bowen Fan, Yuming Ai, Xunkai Li, et al.
事前学習、中間学習および強化学習が推論言語モデルに与える相互作用
Charlie Zhang, Graham Neubig, Xiang Yue
DeepCode：オープン・エイジェンティック・コーディング
Zongwei Li, Zhonghang Li, Zirui Guo, et al.
InfiniteVL：線形AttentionとスパースAttentionの統合による、高効率かつ無制限入力の視覚言語モデル
Hongyuan Tao, Bencheng Liao, Shaoyu Chen, et al.
OmniPSD：Diffusion Transformerを用いた階層的PSD生成
Cheng Liu, Yiren Song, Haofan Wang, et al.
HiF-VLA：視覚・言語・行動モデルにおける運動表現を用いた後知恵、洞察、先見性
Minghui Lin, Pengxiang Ding, Shu Wang, et al.
アービトラージ：アドバンテージ認識型予測を活用した効率的な推論
Monishwaran Maheswaran, Rishabh Tiwari, Yuezhou Hu, et al.
画像および動画からのコンセプトの組み合わせ：コンセプトプロンプト結合によるアプローチ
Xianghao Kong, Zeyu Zhang, Yuwei Guo, et al.
StereoWorld：ジオメトリーに配慮したモノクロナルからステレオ動画生成
Ke Xing, Longfei Li, Yuyang Yin, et al.
ウラニア：AI利用に関する差分プライバシーに基づく洞察
Daogao Liu, Edith Cohen, Badih Ghazi, et al.
誠実さを学習するためのLLMの訓練：告白を通じて
Manas Joglekar, Jeremy Chen, Gabriel Wu, et al.
生産におけるエージェントの測定
Melissa Z. Pan, Negar Arabzadeh, Riccardo Cogo, et al.