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
STream3R：因果トランスフォーマーを用いたスケーラブルな順次3次元再構成
Yushi Lan, Yihang Luo, Fangzhou Hong, et al.
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
Mo Yu, Tsz Ting Chung, Chulun Zhou, et al.
ToonComposer：生成後キーふりによるアニメ制作の効率化
Lingen Li, Guangzhi Wang, Zhaoyang Zhang, et al.
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
NextStep Team, Chunrui Han, Guopeng Li, et al.
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
Runqi Qiao, Qiuna Tan, Peiqing Yang, et al.
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
Ishant Chintapatla, Kazuma Choji, Naaisha Agarwal, et al.
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
Wen Huang, Jiarui Yang, Tao Dai, et al.
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
Jian Wang, Chaokang Jiang, Haitao Xu
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
Lin Long, Yichen He, Wentao Ye, et al.
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
Xu Wang, Chenkai Xu, Yijie Jin, et al.
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
Zhitian Xie, Qintong Wu, Chengyue Yu, et al.
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
David Dinkevich, Matan Levy, Omri Avrahami, et al.
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
Bowen Xue, Qixin Yan, Wenjing Wang, et al.
Mol-R1：分子発見における明示的長期CoT推論への挑戦
Jiatong Li, Weida Wang, Qinggang Zhang, et al.
Llama-Nemotron：効率的な推論モデル
Akhiad Bercovich, Itay Levy, Izik Golan, et al.
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
Goeric Huybrechts, Srikanth Ronanki, Sai Muralidhar Jayanthi, et al.
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
Junyan Ye, Dongzhi Jiang, Zihao Wang, et al.
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
Yijie Zhang, Luzhe Huang, Nir Pillar, et al.
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
Lingjie Jiang, Shaohan Huang, Xun Wu, et al.
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
Jiejun Tan, Zhicheng Dou, Yan Yu, et al.
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
Wen Wang, Bozhen Fang, Chenchen Jing, et al.
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
Junyao Gao, Jiaxing Li, Wenran Liu, et al.
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
Jiaxuan Gao, Wei Fu, Minyang Xie, et al.
Matrix-3D：全方位探索可能な3D世界生成
Zhongqi Yang, Wenhang Ge, Yuqi Li, et al.
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
Xinyu Geng, Peng Xia, Zhen Zhang, et al.
マルコボイス技術報告書
Fengping Tian, Chenyang Lyu, Xuanfan Ni, et al.
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
Haiming Wang, Mert Unsal, Xiaohan Lin, et al.
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
Pedro Orvalho, Marta Kwiatkowska
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
Sizhe Yuen, Francisco Gomez Medina, Ting Su, et al.
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
Jeffrey A. Ruffolo, Stephen Nayfach, Joseph Gallagher, et al.
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
Cheng Qian, Zuxin Liu, Akshara Prabhakar, et al.
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
Nikita Dragunov, Temurbek Rahmatullaev, Elizaveta Goncharova, et al.