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
自己対戦による探索：教師なしでエージェント能力の限界を押し広げる
Hongliang Lu, Yuhang Wen, Pengyu Cheng, et al.
CudaForge：ハードウェアフィードバックを活用したCUDAカーネル最適化向けエージェントフレームワーク
Zijian Zhang, Rong Wang, Shiyang Li, et al.
ScaleNet：増分パラメータを用いた事前学習ニューラルネットワークのスケーリング
Zhiwei Hao, Jianyuan Guo, Li Shen, et al.
ブロック注意の混合最適化
Guangxuan Xiao, Junxian Guo, Kasra Mazaheri, et al.
フラクタルフォレンジックス：フラクタルウォーターマークを用いたプロアクティブなディープフェイク検出と局所化
Tianyi Wang, Harry Cheng, Ming-Hui Liu, et al.
チェーン・オブ・シンク・ハイジャッキング
Jianli Zhao, Tingchen Fu, Rylan Schaeffer, et al.
InstanceAssemble：インスタンスアセンブリーアテンションを用いたレイアウト認識型画像生成
Qiang Xiang, Shuang Sun, Binglei Li, et al.
3EED：3次元空間におけるあらゆるものを基礎化する
Rong Li, Yuhao Dong, Tianshuai Hu, et al.
DetectiumFire：視覚と言語を橋渡しする火災理解のための包括的なマルチモーダルデータセット
Zixuan Liu, Siavash H. Khajavi, Guangkai Jiang
CHIP：産業現場における椅子の6次元姿勢推定のためのマルチセンサデータセット
Mattia Nardon, Mikel Mujika Agirre, Ander González Tomé, et al.
幾何制約付きエージェントによる空間推論
Zeren Chen, Xiaoya Lu, Zhijie Zheng, et al.
DeepSeek-V3.2：オープン型大規模言語モデルの限界を押し広げる
DeepSeek-AI, Aixin Liu, Aoxue Mei, et al.
DiP：ピクセル空間における拡散モデルの制御
Zhennan Chen, Junwei Zhu, Xu Chen, et al.
アーキテクチャの分離は、統合型マルチモーダルモデルにとって必要なすべてではない
Dian Zheng, Manyuan Zhang, Hongyu Li, et al.
スケールにおけるビジョンブリッジトランスフォーマー
Zhenxiong Tan, Zeqing Wang, Xingyi Yang, et al.
AnyTalker：インタラクティビティ精 refinement を用いたマルチペルソントーキング動画生成のスケーラビリティ向上
Zhizhou Zhong, Yicheng Ji, Zhe Kong, et al.
REASONEDIT：推論強化型画像編集モデルへの道標
Fukun Yin, Shiyu Liu, Yucheng Han, et al.
Z-Image：シングルストリーム拡散Transformerを備えた効率的な画像生成基盤モデル
Z-Image Team, Huanqia Cai, Sihan Cao, et al.
OpenApps：環境変動のシミュレーションによるUIエージェントの信頼性評価
Karen Ullrich, Jingtong Su, Claudia Shi, et al.
Qwen3-VL 技ical Report
Shuai Bai, Yuxuan Cai, Ruizhe Chen, et al.
G$^2$VLM：統一的3D再構成と空間推論を備えた幾何学的根拠付き視覚言語モデル
Wenbo Hu, Jingli Lin, Yilin Long, et al.
マルチクリット：多様な基準に従うためのマルチモーダル・ジャッジのベンチマーク評価
Tianyi Xiong, Yi Ge, Ming Li, et al.
MIRA：画像編集のための多モーダル反復推論エージェント
Ziyun Zeng, Hang Hua, Jiebo Luo
ENACT：エゴセントリックな相互作用のワールドモデリングを用いた身体化認知の評価
Qineng Wang, Wenlong Huang, Yu Zhou, et al.
キャンバスから画像へ：マルチモーダル制御を用いた構成画像生成
Yusuf Dalva, Guocheng Gordon Qian, Maya Goldenberg, et al.
ビデオ生成モデルは優れた潜在報酬モデルである
Xiaoyue Mi, Wenqing Yu, Jiesong Lian, et al.
DeepSeekMath-V2：自己検証可能な数学的推論へ向けて
Zhihong Shao, Yuxiang Luo, Chengda Lu, et al.
ToolOrchestra：効率的なモデルおよびツールのオーケストレーションによる知能の向上
Hongjin Su, Shizhe Diao, Ximing Lu, et al.
視覚的に考える、文章的に推論する：ARCにおける視覚言語連携
Beichen Zhang, Yuhang Zang, Xiaoyi Dong, et al.
ハーモニー：クロストラスクシンエジーによる音声と動画生成の調和
Teng Hu, Zhentao Yu, Guozhen Zhang, et al.
Inferix：世界シミュレーション向け次世代推論エンジンとしてのブロックディフュージョンベースのアーキテクチャ
Inferix Team, Tianyu Feng, Yizeng Han, et al.
マルチエージェントシステムにおける潜在的協働
Jiaru Zou, Xiyuan Yang, Ruizhong Qiu, et al.