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
多様性だけで大規模なロボット操作は可能か？
Modi Shi, Li Chen, Jin Chen, et al.
Nile-Chat: アラビア文字とラテン文字のためのエジプト語言語モデル
Guokan Shang, Hadi Abdine, Ahmad Chamma, et al.
GTA1: GUI テスト時のスケーリングエージェント
Yan Yang, Dongxu Li, Yutong Dai, et al.
MedGen: グラナラーに注釈付けられた医療動画のスケーリングによる医療動画生成の解錠
Rongsheng Wang, Junying Chen, Ke Ji, et al.
RLVER: 強化学習による検証可能な感情報酬を用いた共感型エージェント
Peisong Wang, Ruotian Ma, Bang Zhang, et al.
ユーザーセンタードのジオエクスペリエンス：高度な計画、ナビゲーション、および動的な適応を実現するLLM駆動のフレームワーク
Jieren Deng, Aleksandar Cvetkovic, Pak Kiu Chung, et al.
PLAME: プリトレーニングされた言語モデルを活用して強化されたタンパク質多重配列アライメントを生成する
Hanqun Cao, Xinyi Zhou, Zijun Gao, et al.
CriticLean: Critic-Guided 強化学習による数学的形式化
Zhongyuan Peng, Yifan Yao, Kaijing Ma, et al.
StreamVLN: ストリーミング視覚言語ナビゲーションを用いたSlowFastコンテキストモデル링
Meng Wei, Chenyang Wan, Xiqian Yu, et al.
OmniPart: 部分認識を備えた意味論的分離と構造的一致性を持つ3D生成
Yunhan Yang, Yufan Zhou, Yuan-Chen Guo, et al.
SingLoRA: 単一行列を使用した低ランク適応
David Bensa\u00efd, Noam Rotstein, Roy Velich, et al.
潜在的な推論に関する調査
Rui-Jie Zhu, Tianhao Peng, Tianhao Cheng, et al.
エージェントKB：クロスドメイン経験を活用したエージェンティックな問題解決
Xiangru Tang, Tianrui Qin, Tianhao Peng, et al.
ChipSeek-R1: ヒエラルキー報酬駆動強化学習を用いた人間を超えるRTLの生成
Zhirong Chen, Kaiyan Chang, Zhuolin Li, et al.
MedGemma 技術報告書
Andrew Sellergren, Sahar Kazemzadeh, Tiam Jaroensri, et al.
BMMR: 大規模な二言語マルチモーダル多分野推論データセット
Zhiheng Xi, Guanyu Li, Yutao Fan, et al.
事前学習されたポリシーディスクリミネーターは一般的な報酬モデルである
Shihan Dou, Shichun Liu, Yuming Yang, et al.
DreamVLA: 全世界的知識を夢見る視覚・言語・行動モデル
Wenyao Zhang, Hongsi Liu, Zekun Qi, et al.
4DSloMo: 高速シーンの非同期キャプチャによる4D再構成
Yutian Chen, Shi Guo, Tianshuo Yang, et al.
マスク言語モデルを使用してエンコーダーを事前学習するべきか？
Hippolyte Gisserot-Boukhlef, Nicolas Boizard, Manuel Faysse, et al.
MemOS: AIシステム用のメモリOS
Zhiyu Li, Shichao Song, Chenyang Xi, et al.
OGF: 不安定な乱流の統計的定常状態の時間平均を最適化するためのオンライン勾配流手法
Tom Hickling, Jonathan F. MacArt, Justin Sirignano, et al.
OpenS2S: オープンソースのエンドツーエンド共感型大規模音声言語モデルの進化
Chen Wang, Tianyu Peng, Wen Yang, et al.
Point3R: 明示的空間ポインタメモリを用いたストリーミング3D再構成
Yuqi Wu, Wenzhao Zheng, Jie Zhou, et al.
ステップヒント：多段階の逐次ヒントが強化学習による推論を向上させる
Kaiyi Zhang, Ang Lv, Jinpeng Li, et al.
厳密な主体的ベンチマークの構築における最良の実践手法の確立
Yuxuan Zhu, Tengjun Jin, Yada Pruksachatkun, et al.
GPT-4oは視覚をどの程度理解しているのか？標準的なコンピュータビジョンタスクにおけるマルチモーダル基礎モデルの評価
Rahul Ramachandran, Ali Garjani, Roman Bachmann, et al.
Eka-Eval : インド言語の大規模言語モデルの包括的評価フレームワーク
Samridhi Raj Sinha, Rajvee Sheth, Abhishek Upperwal, et al.
DynamiCare: 動的なマルチエージェントフレームワークによるインタラクティブかつオープンエンドの医療意思決定
Tianqi Shang, Weiqing He, Charles Zheng, et al.
エネルギーベースのトランスフォーマーはスケーラブルな学習者であり思考者である
Alexi Gladstone, Ganesh Nanduru, Md Mofijul Islam, et al.
IntFold: 一般および専門的なバイオ分子構造予測のための制御可能な基盤モデル
The IntFold Team, Leon Qiao, Wayne Bai, et al.
内なる声に耳を傾ける：中間特徴フィードバックによるControlNetの訓練の整合
Nina Konovalova, Maxim Nikolaev, Andrey Kuznetsov, et al.