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
通義ディープリサーチ 技術報告
Tongyi DeepResearch Team, Baixuan Li, Bo Zhang, et al.
InteractComp：曖昧なクエリを用いた検索エージェントの評価
Mingyi Deng, Lijun Huang, Yani Fan, et al.
VLM-SlideEval：PPTにおける構造的理解力および摂動感受性に関するVLMの評価
Hyeonsu Kang, Emily Bao, Anjan Goswami
TeraSim-World：エンドツーエンド自動運転向け世界規模の安全関連データ合成
Jiawei Wang, Haowei Sun, Xintao Yan, et al.
ラックヘッドアンカリング：音声駆動型人間アニメーションにおけるキャラクター個体性の保持
Junyoung Seo, Rodrigo Mira, Alexandros Haliassos, et al.
VITA-E：同時視覚、聴覚、発話および行動を伴う自然なエンボディドインタラクション
Xiaoyu Liu, Chaoyou Fu, Chi Yan, et al.
FARMER：画素上におけるフロー自己回帰型トランスフォーマー
Guangting Zheng, Qinyu Zhao, Tao Yang, et al.
データエージェントに関する総説：新たなパラダイムか、過大評価されたブームか？
Yizhang Zhu, Liangwei Wang, Chenyu Yang, et al.
ReCode：包括する粒度制御のための計画と実行の統一
Zhaoyang Yu, Jiayi Zhang, Huixue Su, et al.
コンチェルト：2次元-3次元連合自己教師学習が空間表現を生み出す
Yujia Zhang, Xiaoyang Wu, Yixing Lao, et al.
マゼラン：潜在空間探索および新規性生成のための誘導付きMCTS
Lufan Chang
DEEDEE：分布外動態の高速かつスケーラブルな検出
Tala Aljaafari, Varun Kanade, Philip Torr, et al.
トークン順列を用いたスパーサーなブロックスパース注意力
Xinghao Wang, Pengyu Wang, Dong Zhang, et al.
AGIの定義
Dan Hendrycks, Dawn Song, Christian Szegedy, et al.
ノイズ除去から精緻化へ：視覚言語拡散モデルのための補正フレームワーク
Yatai Ji, Teng Wang, Yuying Ge, et al.
ステップバイステップ、チャンクごとに最適化：テキストから画像生成におけるチャンクレベルGRPO
Yifu Luo, Penghui Du, Bo Li, et al.
ビデオ・アス・プロンプト：ビデオ生成における統一された意味制御
Yuxuan Bian, Xin Chen, Zenan Li, et al.
DeepAgent：スケーラブルなツールセットを備えた汎用推論エージェント
Xiaoxi Li, Wenxiang Jiao, Jiarui Jin, et al.
不確実性を考慮した多目的強化学習誘導型拡散モデルによる3Dデ・ノボ分子設計
Lianghong Chen, Dongkyu Eugene Kim, Mike Domaratzki, et al.
Reac-Discovery：連続Flow型触媒反応装置の発見および最適化をAIが駆動するプラットフォーム
Cristopher Tinajero, Marcileia Zanatta, Julián E. Sánchez-Velandia, et al.
BoltzGen：ユニバーサルな結合体設計への道
Hannes Stark, Felix Faltings, MinGyu Choi, et al.
HSCodeComp：階層的ルール適用におけるディープサーチエージェント向けの現実的で専門的水準のベンチマーク
Yiqian Yang, Tian Lan, Qianghuai Jia, et al.
DyPE：超高解像度拡散における動的位置外挿
Noam Issachar, Guy Yariv, Sagie Benaim, et al.
HoloCine：映画的マルチショット長時間動画物語の包括的生成
Yihao Meng, Hao Ouyang, Yue Yu, et al.
Open-o3 Video：明示的な時空間証拠を用いた根拠のある動画推論
Jiahao Meng, Xiangtai Li, Haochen Wang, et al.
AdaSPEC：効率的な推測デコーダーのための選択的知識蒸留
Yuezhou Hu, Jiaxin Guo, Xinyu Feng, et al.
0.1ドル未満での人間-エージェント協働型ペーパートゥーページ作成
Qianli Ma, Siyu Wang, Yilin Chen, et al.
テキストを参照：トークン化から視覚的読解へ
Ling Xing, Alex Jinpeng Wang, Rui Yan, et al.
方向性推論注入によるMLLMのファインチューニング
Chao Huang, Zeliang Zhang, Jiang Liu, et al.
言語モデルは単射であり、したがって可逆である
Giorgos Nikolaou, Tommaso Mencattini, Donato Crisostomi, et al.
フリートランスフォーマー
François Fleuret
機械学習を用いた量子処理ユニット（QPU）処理時間の予測
Lucy Xing, Sanjay Vishwakarma, David Kremer, et al.