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
TiKMiX：言語モデル事前学習における動的混合にデータインフルエンスを組み込む
Yifan Wang, Binbin Liu, Fengze Liu, et al.
TalkVid：音声駆動型トークヘッド合成のための大規模多様データセット
Shunian Chen, Hejin Huang, Yexin Liu, et al.
Droplet3D：動画から得られる常識的事前知識が3D生成を促進する
Xiaochuan Li, Guoguang Du, Runze Zhang, et al.
A.S.E：AI生成コードにおけるセキュリティ評価を目的としたリポジトリレベルのベンチマーク
Keke Lian, Bin Wang, Lei Zhang, et al.
EmbodiedOneVision：汎用ロボット制御のためのインタリーブド視覚－テキスト－アクション事前学習
Delin Qu, Haoming Song, Qizhi Chen, et al.
R-4B：バイモードアニーリングと強化学習を用いたMLLMsにおける汎用自己思考能力のインセンティブ化
Jie Jiang, Qi Yang, Bolin Ni, et al.
小さな言語モデルにおける創造的ライティングの喚起：LLM-as-a-Judge とマルチエージェントによる報酬の精緻化
Xiaolong Wei, Bo Lu, Xingyu Zhang, et al.
TMUAD：テキストメモリバンクを用いた統合異常検出モデルにおける論理機能の強化
Jiawei Liu, Jiahe Hou, Wei Wang, et al.
思考過程のダイナミクスの分析：能動的誘導か、不誠実な後向きの合理化か？
Samuel Lewis-Lim, Xingwei Tan, Zhixue Zhao, et al.
AWorld：エージェント型AIのトレーニングレシピの調整
Chengyue Yu, Siyuan Lu, Chenyi Zhuang, et al.
MCP-Bench：MCPサーバーを活用した複雑な現実世界タスクにおけるツール利用型LLMエージェントのベンチマーク手法
Zhenting Wang, Qi Chang, Hemani Patel, et al.
USO：分離化と報酬学習を活用した統一スタイル・主体駆動型生成
Shaojin Wu, Mengqi Huang, Yufeng Cheng, et al.
rStar2エージェント：エージェンティックリーズニング技術報告書
Ning Shang, Yifei Liu, Yi Zhu, et al.
Pref-GRPO：安定したテキストto画像強化学習のためのペアワイズ・プレファレンス報酬ベースのGRPO
Yibin Wang, Zhimin Li, Yuhang Zang, et al.
MobileCLIP2：マルチモーダル強化学習の向上
Fartash Faghri, Pavan Kumar Anasosalu Vasu, Cem Koc, et al.
AI-AI美的協働：明示的な象徴意識と顕在する文法形成
Nicanor I. Moldovan
視線を心へ：rPPGおよび健康バイオマーカー推定のためのマルチビュー動画データセット
Konstantin Egorov, Stepan Botman, Pavel Blinov, et al.
次に出現するトークンの順序予測が言語モデルの性能向上に寄与する
Zayd M. K. Zuhri, Erland Hilman Fuadi, Alham Fikri Aji
MIDAS：リアルタイム自己回帰型動画生成を活用したマルチモーダルインタラクティブなデジタル人間合成
Ming Chen, Liyuan Cui, Wenyuan Zhang, et al.
離散拡散VLA：視覚言語行動方策における行動復元に離散拡散を導入する
Zhixuan Liang, Yizhuo Li, Tianshuo Yang, et al.
推論分解を用いた自己報酬付き視覚言語モデル
Zongxia Li, Wenhao Yu, Chengsong Huang, et al.
転写を越えて：音声認識におけるメカニズム解釈可能性
Neta Glazer, Yael Segal-Feldman, Hilit Segev, et al.
CODA：分離型強化学習を用いた二大脳コンピュータ利用エージェントにおける大脳と小脳の連携
Zeyi Sun, Yuhang Cao, Jianze Liang, et al.
WebSight：ロバストなWebエージェント向けのビジョンファーストアーキテクチャ
Tanvir Bhathal, Asanshay Gupta
UltraMemV2：1200億パラメータにスケーリングするメモリネットワークと優れた長文脈学習
Zihao Huang, Yu Bao, Qiyang Min, et al.
ヘルメス4 技術報告
Ryan Teknium, Roger Jin, Jai Suphavadeeprasit, et al.
OmniHuman-1.5：認知シミュレーションによるアバターへの能動的思考の植え込み
Jianwen Jiang, Weihong Zeng, Zerong Zheng, et al.
VoxHammer：ネイティブ3D空間における訓練不要な高精度・一貫性のある3D編集
Lin Li, Zehuan Huang, Haoran Feng, et al.
CMPhysBench：凝縮系物理学における大規模言語モデルの評価のためのベンチマーク
Weida Wang, Dongchen Huang, Jiatong Li, et al.
TreePO：ヒューリスティック木ベースモデリングによる方策最適化と効果性、推論効率のギャップ解消
Yizhi Li, Qingshui Gu, Zhoufutu Wen, et al.
NVIDIA Nemotron Nano 2：高精度かつ効率的なハイブリッドMamba-Transformer推論モデル
Aarti Basant, Abhijit Khairnar, Abhijit Paithankar, et al.
Nemotron-CC-Math：1330億トークン規模の高品質な数学向け事前学習データセット
Rabeeh Karimi Mahabadi, Sanjeev Satheesh, Shrimai Prabhumoye, et al.