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
Yume-1.5：一种文本控制的交互式世界生成模型
文生视频
扩散模型
Xiaofeng Mao, Zhen Li, Chuanhao Li, et al.
LiveTalk：通过改进的自洽蒸馏实现实时多模态交互式视频扩散
扩散模型
视频生成
Ethan Chern, Zhulin Hu, Bohao Tang, et al.
通过辅助损失实现专家与路由器在专家混合模型中的耦合
LLM
算法
Ang Lv, Jin Ma, Yiyuan Ma, et al.
LongFly：基于时空上下文融合的长时程无人机视觉-语言导航
机器人技术
视频理解
Wen Jiang, Li Wang, Kangyao Huang, et al.
注意力并非你所需要的
Transformer
语言
Zhang Chong
SlideTailor：面向科学论文的个性化演示文稿生成
文本生成
人机交互
Wenzheng Zeng, Mingyu Ouyang, Langyuan Cui, et al.
InSight-o3：通过泛化视觉搜索赋能多模态基础模型
Agent
多模态表征
Kaican Li, Lewei Yao, Jiannan Wu, et al.
InsertAnywhere：连接4D场景几何与扩散模型以实现逼真的视频物体插入
扩散模型
视频处理
Hoiyeong Jin, Hyojin Jang, Jeongho Kim, et al.
面向心智地图感知的检索增强生成以提升长上下文理解
检索增强生成
LLM
Yuqing Li, Jiangnan Li, Zheng Lin, et al.
衡量大语言模型中短文本的真实性
智能问答
基准
Jason Wei, Nguyen Karina, Hyung Won Chung, et al.
DeepSearchQA：弥合深度研究Agent的全面性差距
Agent
基准
Nikita Gupta, Riju Chatterjee, Lukas Haas, et al.
MEM1：学习协同记忆与推理以实现高效长时程Agent
强化学习
推理
Zijian Zhou, Ao Qu, Zhaoxuan Wu, et al.
AI-Trader：在实时金融市场的自主Agent基准测试
Agent
LLM
Tianyu Fan, Yuhao Yang, Yangqin Jiang, et al.
潜在隐式视觉推理
多模态表征
LLM
Kelvin Li, Chuyi Shang, Leonid Karlinsky, et al.
LLM人格作为方法基准测试中实地实验的替代方案
基准
机器学习
Enoch Hyunwook Kang
DataFlow：一种面向以数据为中心的人工智能时代的统一数据准备与工作流自动化框架
LLM
检索增强生成
Hao Liang, Xiaochen Ma, Zhou Liu, et al.
HiStream：通过冗余消除流式传输实现高效高分辨率视频生成
视频生成
扩散模型
Haonan Qiu, Shikun Liu, Zijian Zhou, et al.
TokSuite：衡量分词器选择对语言模型行为的影响
Transformer
基准
Gül Sena Altıntaş, Malikeh Ehghaghi, Brian Lester, et al.
Nemotron 3 Nano：面向智能体推理的开源、高效混合专家Mamba-Transformer模型
Transformer
监督式微调
NVIDIA, Aaron Blakeman, Aaron Grattafiori, et al.
超越记忆：一种多模态序数回归基准以揭示视觉-语言模型中的流行度偏差
多模态
基准
Li-Zhong Szu-Tu, Ting-Lin Wu, Chia-Jui Chang, et al.
DreaMontage：任意帧引导的单次视频生成
视频生成
图生视频
Jiawei Liu, Junqiao Li, Jiangfan Deng, et al.
T2AV-Compass：面向文本到音频视频生成的统一评估
统一多模态
文生视频
Zhe Cao, Tao Wang, Jiaming Wang, et al.
TongSIM：一种用于模拟智能机器的通用平台
具身智能
Agent
Zhe Sun, Kunlun Wu, Chuanjian Fu, et al.
Qwen-Image-Layered：通过层分解实现固有可编辑性
扩散模型
图像生成
Shengming Yin, Zekai Zhang, Zecheng Tang, et al.
RoboSafe：通过可执行安全逻辑保障具身Agent的安全
机器人技术
推理
Le Wang, Zonghao Ying, Xiao Yang, et al.
NHS基层医疗中LLM药物安全审查的现实世界评估
自然语言处理
数据集
Oliver Normand, Esther Borsi, Mitch Fruin, et al.
多LLM主题分析结合双重可靠性度量：基于Cohen's Kappa与语义相似性的定性研究验证
LLM
自然语言处理
Nilesh Jain, Seyi Adeyinka, Leor Roseman, et al.
通过闭环世界建模实现视频虚拟人中的主动智能
具身智能
强化学习
Xuanhua He, Tianyu Yang, Ke Cao, et al.
FaithLens：检测与解释忠实性幻觉
检索增强生成
监督式微调
Shuzheng Si, Qingyi Wang, Haozhe Zhao, et al.
SAM Audio：音频中的任意分割
统一多模态
多模态
Bowen Shi, Andros Tjandra, John Hoffman, et al.
Step-DeepResearch 技术报告
Agent
监督式微调
Chen Hu, Haikuo Du, Heng Wang, et al.
SpatialTree：空间能力在MLLMs中的分支发展
多模态
推理
Yuxi Xiao, Longfei Li, Shen Yan, et al.