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
DeepSeek-Prover-V1.5：証明補助ツールのフィードバックを活用した強化学習およびモンテカルロ木探索
Huajian Xin, Z. Z. Ren, Junxiao Song, et al.
LLaVA-OneVision：視覚タスクの簡単な転移
Bo Li, Yuanhan Zhang, Dong Guo, et al.
MiniCPM-V：スマートフォンに搭載可能なGPT-4VレベルのMLLM
Yuan Yao, Tianyu Yu, Ao Zhang, et al.
SAM 2：画像および動画におけるアノテーションの汎用化
Nikhila Ravi, Valentin Gabeur, Yuan-Ting Hu, et al.
Llama 3 モデル群
Abhimanyu Dubey, Abhinav Jauhri, Abhinav Pandey, et al.
InternLM-XComposer-2.5：長文入出力に対応する汎用的大規模視覚言語モデル
Pan Zhang, Xiaoyi Dong, Yuhang Zang, et al.
MMDU：LVLMs向けのマルチターン・マルチイメージ対話理解ベンチマークおよびインストラクションチューニングデータセット
Ziyu Liu, Tao Chu, Yuhang Zang, et al.
視覚言語モデルを構築する際に重要な要素は何ですか？
Hugo Laurençon, Léo Tronchon, Matthieu Cord, et al.
DDOS：ドローン深度および障害物セグメンテーションデータセット
Benedikt Kolbeinsson, Krystian Mikolajczyk
自己回帰モデルとフローマッチング：テキストから音楽への生成モデリングの比較研究
Tal, Or, Kreuk, et al.
SeerAttention-R: 長い推論のためのスパースアテンション適応
Gao, Yizhao, Guo, et al.
プレイヤーワン：自己中心的な世界シミュレーター
Yuanpeng Tu, Hao Luo, Xi Chen, et al.
ComfyUI-R1: ワークフロー生成のための推論モデルの探求
Zhenran Xu, Yiyu Wang, Xue Yang, et al.
自己回帰敵対的後学習によるリアルタイムインタラクティブビデオ生成
Shanchuan Lin, Ceyuan Yang, Hao He, et al.
自信がすべて：言語モデルのFew-Shot RLファインチューニング
Li, Pengyi, Skripkin, et al.