SketchVLM: 비전-언어 모델은 생각을 설명하고 사용자를 안내하기 위해 이미지를 주석 처리할 수 있습니다.

RSRCC: Retrieval-Augmented Best-of-N Ranking을 통해 구축된 원격 감지 지역 변화 이해 벤치마크

LongSpeech: 장기 오디오의 필기, 번역 및 이해를 위한 확장 가능한 벤치마크

ClawMark: 다중 턴, 다중 일일, 다중 모달 coworker agents를 위한 라이브 월드 벤치마크

Tuna-2: Pixel Embeddings가 Multimodal 이해 및 생성을 위해 Vision Encoders를 능가하다

비전-라이트-액션 안전: 위협, 과제, 평가 및 메커니즘

ReVSI: VLM 3D 추론에 대한 정확한 평가를 위한 시각적 공간 지능 평가 재구축

스킬에서 인재로: 현실의 기업으로서 이질적인 에이전트들을 조직하기

World-R1: 텍스트-비디오 생성을 위한 3D 제약 조건 강화

Semantic Progress Function을 통한 비디오 분석 및 생성

SmartPhotoCrafter: 자동 사진 이미지 편집을 위한 통합적 추론, 생성 및 최적화

문맥은 결코 충분히 길지 않다: 긴 문서 세트에 대한 확장 가능한 질의응답을 위한 구조적 추론

AgentSearchBench: 야생 환경에서의 AI agent 검색을 위한 벤치마크

FlowAnchor: Inversion-free 비디오 편집을 위한 편집 신호 안정화

내부 표현을 통한 LLM 안전성 확보: 유해 콘텐츠 탐지

DiffNR: Sparse-View 3D Tomographic Reconstruction을 위한 Diffusion-Enhanced Neural Representation Optimization

Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond

Resilient Distributed Pre-training을 위한 Decoupled DiLoCo

EVENT TENSOR: DYNAMIC MEGAKERNEL 컴파일을 위한 통합 추상화 모델

빠름과 느림을 보다: 비디오 내 시간의 흐름 학습 (Seeing Fast and Slow: Learning the Flow of Time in Videos)

Long-Horizon Tasks를 위한 LLM 의사결정 및 Skill Bank agents의 공동 진화(Co-Evolving)

StyleID: Stylization-Agnostic Facial Identity Recognition을 위한 인지 기반 데이터셋 및 메트릭

UniT: 인간-휴머노이드 정책 학습 및 월드 모델링을 위한 통합 물리 언어를 향하여

WorldMark: 상호작용형 비디오 월드 모델을 위한 통합 벤치마크 스위트

LLaTiSA: 시각적 인지에서 의미론에 이르는 난이도 계층화 시계열 추론을 향하여

이미지 생성기(Image Generators)는 범용 시각 학습기(Generalist Vision Learners)이다.

LongCat-Next: Modality를 이산적 Token으로 어휘화하기

FIPO: Future-KL 영향을 받는 정책 최적화를 통한 심층 추론 유도

강화 학습에서 그룹 수준의 자연어 피드백을 활용한 부트스트래핑 탐색 (Bootstrapping Exploration with Group-Level Natural Language Feedback in Reinforcement Learning)

SocialOmni: Omni Models의 오디오-비주얼 사회적 상호작용(Audio-Visual Social Interactivity) 벤치마킹

SketchVLM: 비전-언어 모델은 생각을 설명하고 사용자를 안내하기 위해 이미지를 주석 처리할 수 있습니다.

RSRCC: Retrieval-Augmented Best-of-N Ranking을 통해 구축된 원격 감지 지역 변화 이해 벤치마크

LongSpeech: 장기 오디오의 필기, 번역 및 이해를 위한 확장 가능한 벤치마크

ClawMark: 다중 턴, 다중 일일, 다중 모달 coworker agents를 위한 라이브 월드 벤치마크

Tuna-2: Pixel Embeddings가 Multimodal 이해 및 생성을 위해 Vision Encoders를 능가하다

비전-라이트-액션 안전: 위협, 과제, 평가 및 메커니즘

ReVSI: VLM 3D 추론에 대한 정확한 평가를 위한 시각적 공간 지능 평가 재구축

스킬에서 인재로: 현실의 기업으로서 이질적인 에이전트들을 조직하기

World-R1: 텍스트-비디오 생성을 위한 3D 제약 조건 강화

Semantic Progress Function을 통한 비디오 분석 및 생성

SmartPhotoCrafter: 자동 사진 이미지 편집을 위한 통합적 추론, 생성 및 최적화

문맥은 결코 충분히 길지 않다: 긴 문서 세트에 대한 확장 가능한 질의응답을 위한 구조적 추론

AgentSearchBench: 야생 환경에서의 AI agent 검색을 위한 벤치마크

FlowAnchor: Inversion-free 비디오 편집을 위한 편집 신호 안정화

내부 표현을 통한 LLM 안전성 확보: 유해 콘텐츠 탐지

DiffNR: Sparse-View 3D Tomographic Reconstruction을 위한 Diffusion-Enhanced Neural Representation Optimization

Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond

Resilient Distributed Pre-training을 위한 Decoupled DiLoCo

EVENT TENSOR: DYNAMIC MEGAKERNEL 컴파일을 위한 통합 추상화 모델

빠름과 느림을 보다: 비디오 내 시간의 흐름 학습 (Seeing Fast and Slow: Learning the Flow of Time in Videos)

Long-Horizon Tasks를 위한 LLM 의사결정 및 Skill Bank agents의 공동 진화(Co-Evolving)

StyleID: Stylization-Agnostic Facial Identity Recognition을 위한 인지 기반 데이터셋 및 메트릭

UniT: 인간-휴머노이드 정책 학습 및 월드 모델링을 위한 통합 물리 언어를 향하여

WorldMark: 상호작용형 비디오 월드 모델을 위한 통합 벤치마크 스위트

LLaTiSA: 시각적 인지에서 의미론에 이르는 난이도 계층화 시계열 추론을 향하여

이미지 생성기(Image Generators)는 범용 시각 학습기(Generalist Vision Learners)이다.

LongCat-Next: Modality를 이산적 Token으로 어휘화하기

FIPO: Future-KL 영향을 받는 정책 최적화를 통한 심층 추론 유도

강화 학습에서 그룹 수준의 자연어 피드백을 활용한 부트스트래핑 탐색 (Bootstrapping Exploration with Group-Level Natural Language Feedback in Reinforcement Learning)

SocialOmni: Omni Models의 오디오-비주얼 사회적 상호작용(Audio-Visual Social Interactivity) 벤치마킹