HyperAI超神经

Alberto Pepe, Chien-Yu Lin, Despoina Magka, et al.

深度学习

学习预见：揭示在线策略蒸馏的解锁效率

监督式微调

Yuchen Cai, Ding Cao, Liang Lin, et al.

DexJoCo：面向 MuJoCo 上手操作的任务导向基准与工具包

基准

机器人技术

Hanwen Wang, Weizhi Zhao, Xiangyu Wang, et al.

FashionChameleon：迈向实时且可交互的人-服装视频定制

Quanjian Song, Yefeng Shen, Mengting Chen, et al.

图生视频

CiteVQA：用于可信文档智能的证据归因基准测试

文档理解

Dongsheng Ma, Jiayu Li, Zhengren Wang, et al.

MMSkills：迈向通用视觉 Agent 的多模态技能

Kangning Zhang, Shuai Shao, Qingyao Li, et al.

多模态表征

PhysBrain 1.0 技术报告

Shijie Lian, Bin Yu, Xiaopeng Lin, et al.

多模态表征

将价值模型重新引入：大语言模型强化学习中的生成式批判家用于价值建模

Zikang Shan, Han Zhong, Liwei Wang, et al.

NEXUS：一种用于时间序列预测的智能体框架

Sarkar Snigdha Sarathi Das, Palash Goyal, Mihir Parmar, et al.

MemEye：面向多模态 Agent 记忆的以视觉为中心的评价框架

Minghao Guo, Qingyue Jiao, Zeru Shi, et al.

SANA-WM：基于混合线性扩散Transformer的高效分钟级世界模型

Haoyi Zhu, Haozhe Liu, Yuyang Zhao, et al.

MemLens：大视觉-语言模型中多模态长期记忆的基准测试

Xiyu Ren, Zhaowei Wang, Yiming Du, et al.

自蒸馏式 Agent 强化学习

Zhengxi Lu, Zhiyuan Yao, Zhuowen Han, et al.

因果强制++：用于实时交互式视频生成的可扩展少步自回归扩散蒸馏

Min Zhao, Hongzhou Zhu, Kaiwen Zheng, et al.

通过简单且统一的缩放实现金牌级奥林匹克推理

推理

模型训练

Yafu Li, Runzhe Zhan, Haoran Zhang, et al.

RepoZero：大语言模型能否从零开始生成代码仓库？

代码生成

Zhaoxi Zhang, Yiming Xu, Jiahui Liang, et al.

Qwen-Image-VAE-2.0 技术报告

Zekai Zhang, Deqing Li, Kuan Cao, et al.

图像生成

通过文本-表格建模从有限交互中预测 AI Agent 的决策

Eilam Shapira, Moshe Tennenholtz, Roi Reichart

高效训练长上下文视觉语言模型：实现超越 128K 上下文的泛化能力

Zhaowei Wang, Lishu Luo, Haodong Duan, et al.

AnyFlow：具有在线策略流映射蒸馏的任意步视频扩散模型

Yuchao Gu, Guian Fang, Yuxin Jiang, et al.

MinT：用于训练和服务数百万大语言模型的托管基础设施

Mind Lab, Song Cao, Vic Cao, et al.

模型训练

MulTaBench：基于文本和图像的多模态表格学习基准测试

多模态表征

Alan Arazi, Eilam Shapira, Shoham Grunblat, et al.

面向流式3D重建的几何上下文Transformer

机器视觉 3D

视频处理

Lin-Zhuo Chen, Jian Gao, Yihang Chen, et al.

Nemotron-Cascade 2：使用级联强化学习与多域在线策略蒸馏的后训练 LLM

Zhuolin Yang, Zihan Liu, Yang Chen, et al.

监督式微调

MOSS-TTS 技术报告

语音生成

音频和语音处理

SII-OpenMOSS Team

StreakMind：利用自动化数据库集成进行天文图像中卫星条纹的AI检测与分析

目标检测

计算机视觉

Rafael Carrillo, René Duffard, Pablo García-Martín, et al.

VibeServe：AI代理能否构建定制化的大型语言模型服务系统？

Keisuke Kamahori, Shihang Li, Simon Peter, et al.

delta-mem：大型语言模型的高效在线记忆机制

Jingdi Lei, Di Zhang, Junxian Li, et al.

Transformer

MCP-Cosmos：用于在 MCP 环境中执行复杂任务的、由世界模型增强的 Agent

Giridhar Ganapavarapu, Dhaval Patel

超越推理：强化学习解锁大语言模型中的参数化知识

Wanli Yang, Hongyu Zang, Junwei Zhang, et al.

用于样本高效连续控制的去偏模型表示