HyperAI
Command Palette
Search for a command to run...
论文
每日更新的前沿人工智能研究论文,帮助您紧跟最新的人工智能趋势
扩散模型在机器人控制中的应用条件探索
扩散模型
机器人技术
Heeseong Shin, Byeongho Heo, Dongyoon Han, et al.
Agent 能否征服网络？探索 ChatGPT Atlas Agent 在网络游戏中的前沿应用
Agent
LLM
Jingran Zhang, Ning Li, Justin Cui
Kimi Linear：一种表达性强、高效的Attention架构
Transformer
LLM
Kimi Team, Yu Zhang, Zongyu Lin, et al.
Emu3.5：原生多模态模型是世界学习者
统一多模态
LLM
Yufeng Cui, Honghao Chen, Haoge Deng, et al.
手动解码的终结：迈向真正端到端的语言模型
LLM
Transformer
Zhichao Wang, Dongyang Ma, Xinting Huang, et al.
人类与AI的互补性：增强监督的目标
人机交互
自然语言处理
Rishub Jain, Sophie Bridgers, Lili Janzer, et al.
GPTOpt：面向高效基于LLM的黑箱优化
LLM
监督式微调
Jamison Meindl, Yunsheng Tian, Tony Cui, et al.
VFXMaster：通过上下文学习解锁动态视觉效果生成
视频生成
图生视频
Baolu Li, Yiming Zhang, Qinghe Wang, et al.
基于流程挖掘的推理感知GRPO
强化学习
推理
Taekhyun Park, Yongjae Lee, Hyerim Bae
通过循环语言模型实现潜在推理的扩展
LLM
推理
Rui-Jie Zhu, Zixuan Wang, Kai Hua, et al.
ReForm：基于前瞻性有限序列优化的反思式自动形式化
LLM
基准
Guoxin Chen, Jing Wu, Xinjie Chen, et al.
Video-Thinker：通过强化学习激发“用视频进行思考”
视频理解
推理
Shijian Wang, Jiarui Jin, Xingjian Wang, et al.
JanusCoder：迈向代码智能的基础性视觉-程序化接口
代码生成
多模态
Qiushi Sun, Jingyang Gong, Yang Liu, et al.
MCP-Flow：助力LLM Agent掌握现实世界中多样化且可扩展的MCP工具
LLM
Agent
Wenhao Wang, Peizhi Niu, Zhao Xu, et al.
OmniCast：一种用于跨时间尺度天气预报的掩码潜在扩散模型
Transformer
扩散模型
Tung Nguyen, Tuan Pham, Troy Arcomano, et al.
用于视频生成的带有度量路径的均匀离散扩散
图生视频
扩散模型
Haoge Deng, Ting Pan, Fan Zhang, et al.
Game-TARS：用于可扩展通用多模态Game Agent的预训练基础模型
统一多模态
Agent
Zihao Wang, Xujing Li, Yining Ye, et al.
RoboOmni：全景模态上下文中的主动式机器人操作
统一多模态
具身智能
Siyin Wang, Jinlan Fu, Feihong Liu, et al.
AgentFold：具有主动上下文管理的长时序Web Agent
Agent
LLM
Rui Ye, Zhongwang Zhang, Kuan Li, et al.
通义DeepResearch技术报告
LLM
Agent
Tongyi DeepResearch Team, Baixuan Li, Bo Zhang, et al.
InteractComp：使用模糊查询评估Search Agent
基准
Agent
Mingyi Deng, Lijun Huang, Yani Fan, et al.
VLM-SlideEval：在PPT中评估VLMs的结构化理解与扰动敏感性
文档理解
基准
Hyeonsu Kang, Emily Bao, Anjan Goswami
TeraSim-World：面向端到端自动驾驶的全球安全关键数据合成
自动驾驶
地理信息
Jiawei Wang, Haowei Sun, Xintao Yan, et al.
前瞻锚定：在基于音频的人体动画中保持角色身份
视频生成
多模态
Junyoung Seo, Rodrigo Mira, Alexandros Haliassos, et al.
VITA-E：自然具身交互中的并发视觉、听觉、语言生成与行动
Agent
具身智能
Xiaoyu Liu, Chaoyou Fu, Chi Yan, et al.
FARMER：基于像素的流式自回归Transformer
图像生成
Transformer
Guangting Zheng, Qinyu Zhao, Tao Yang, et al.
数据Agent综述：新兴范式还是被夸大的炒作？
Agent
LLM
Yizhang Zhu, Liangwei Wang, Chenyu Yang, et al.
ReCode：统一规划与执行以实现通用粒度控制
语言
代码生成
Zhaoyang Yu, Jiayi Zhang, Huixue Su, et al.
Concerto：联合2D-3D自监督学习涌现空间表征
多模态表征
计算机视觉
Yujia Zhang, Xiaoyang Wu, Yixing Lao, et al.
Magellan：用于潜在空间探索与新颖性生成的引导式MCTS
LLM
文本生成
Lufan Chang
DEEDEE：快速且可扩展的分布外动态检测
强化学习
建模
Tala Aljaafari, Varun Kanade, Philip Torr, et al.
通过Token重排实现更稀疏的块稀疏注意力
Transformer
LLM
Xinghao Wang, Pengyu Wang, Dong Zhang, et al.