HyperAI

主区域

GPU

控制台
文档
价格

Pulse

报道

资源

论文
教程
数据集
百科

基准测试

SOTA
大语言模型（LLM）
GPU 排行榜

社区

活动

实用工具

关于服务条款隐私政策
中文

Command Palette

Search for a command to run...

HyperAI
论文

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

学习、理解、实践，与社区一起构建人工智能的未来

关于

关于我们数据集支持

产品

报道教程数据集百科

链接

TVM 中文 Apache TVM

© HyperAI

津ICP备17010941号-1

京公网安备11010502038810号

GitHub Discord X (formerly Twitter)Bilibili

HyperAI

主区域

GPU

控制台
文档
价格

Pulse

报道

资源

论文
教程
数据集
百科

基准测试

SOTA
大语言模型（LLM）
GPU 排行榜

社区

活动

实用工具

关于服务条款隐私政策
中文

Command Palette

Search for a command to run...

HyperAI
论文

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

学习、理解、实践，与社区一起构建人工智能的未来

关于

关于我们数据集支持

产品

报道教程数据集百科

链接

TVM 中文 Apache TVM

© HyperAI

津ICP备17010941号-1

京公网安备11010502038810号

GitHub Discord X (formerly Twitter)Bilibili

Video-Thinker：通过强化学习激发“用视频进行思考”

Video-Thinker：通过强化学习激发“用视频进行思考”

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

JanusCoder：迈向代码智能的基础性视觉-程序化接口

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

MCP-Flow：助力LLM Agent掌握现实世界中多样化且可扩展的MCP工具

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

OmniCast：一种用于跨时间尺度天气预报的掩码潜在扩散模型

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

用于视频生成的带有度量路径的均匀离散扩散

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

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

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

RoboOmni：全景模态上下文中的主动式机器人操作

统一多模态

Siyin Wang, Jinlan Fu, Feihong Liu, et al.

AgentFold：具有主动上下文管理的长时序Web Agent

AgentFold：具有主动上下文管理的长时序Web Agent

Rui Ye, Zhongwang Zhang, Kuan Li, et al.

通义DeepResearch技术报告

通义DeepResearch技术报告

Tongyi DeepResearch Team, Baixuan Li, Bo Zhang, et al.

InteractComp：使用模糊查询评估Search Agent

InteractComp：使用模糊查询评估Search 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

VLM-SlideEval：在PPT中评估VLMs的结构化理解与扰动敏感性

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

TeraSim-World：面向端到端自动驾驶的全球安全关键数据合成

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

前瞻锚定：在基于音频的人体动画中保持角色身份

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

VITA-E：自然具身交互中的并发视觉、听觉、语言生成与行动

Xiaoyu Liu, Chaoyou Fu, Chi Yan, et al.

FARMER：基于像素的流式自回归Transformer

FARMER：基于像素的流式自回归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？

数据Agent综述：新兴范式还是被夸大的炒作？

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

ReCode：统一规划与执行以实现通用粒度控制

Zhaoyang Yu, Jiayi Zhang, Huixue Su, et al.

Concerto：联合2D-3D自监督学习涌现空间表征

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

Magellan：用于潜在空间探索与新颖性生成的引导式MCTS

DEEDEE：快速且可扩展的分布外动态检测

DEEDEE：快速且可扩展的分布外动态检测

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

通过Token重排实现更稀疏的块稀疏注意力

Xinghao Wang, Pengyu Wang, Dong Zhang, et al.

AGI的定义

Dan Hendrycks, Dawn Song, Christian Szegedy, et al.

从去噪到精炼：一种面向视觉-语言扩散模型的校正框架

从去噪到精炼：一种面向视觉-语言扩散模型的校正框架

Yatai Ji, Teng Wang, Yuying Ge, et al.

逐步采样，分块优化：面向文本到图像生成的分块级GRPO

逐步采样，分块优化：面向文本到图像生成的分块级GRPO

Yifu Luo, Penghui Du, Bo Li, et al.

视频作为提示：视频生成的统一语义控制

视频作为提示：视频生成的统一语义控制

Yuxuan Bian, Xin Chen, Zenan Li, et al.

DeepAgent：具备可扩展工具集的通用推理Agent

DeepAgent：具备可扩展工具集的通用推理Agent

Xiaoxi Li, Wenxiang Jiao, Jiarui Jin, et al.

不确定性感知的多目标强化学习引导的扩散模型用于三维从头分子设计

不确定性感知的多目标强化学习引导的扩散模型用于三维从头分子设计

Lianghong Chen, Dongkyu Eugene Kim, Mike Domaratzki, et al.

Reac-Discovery：一种由人工智能驱动的连续流催化反应器发现与优化平台

Reac-Discovery：一种由人工智能驱动的连续流催化反应器发现与优化平台

Cristopher Tinajero, Marcileia Zanatta, Julián E. Sánchez-Velandia, et al.

BoltzGen：迈向通用结合剂设计

BoltzGen：迈向通用结合剂设计

Hannes Stark, Felix Faltings, MinGyu Choi, et al.

HSCodeComp：面向层级规则应用中深度搜索Agent的现实且专家级基准

HSCodeComp：面向层级规则应用中深度搜索Agent的现实且专家级基准

Yiqian Yang, Tian Lan, Qianghuai Jia, et al.

DyPE：用于超高分辨率扩散的动态位置外推

DyPE：用于超高分辨率扩散的动态位置外推

Noam Issachar, Guy Yariv, Sagie Benaim, et al.

HoloCine：电影级多镜头长视频叙事的全局生成

HoloCine：电影级多镜头长视频叙事的全局生成

Yihao Meng, Hao Ouyang, Yue Yu, et al.

Video-Thinker：通过强化学习激发“用视频进行思考”

Video-Thinker：通过强化学习激发“用视频进行思考”

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

JanusCoder：迈向代码智能的基础性视觉-程序化接口

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

MCP-Flow：助力LLM Agent掌握现实世界中多样化且可扩展的MCP工具

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

OmniCast：一种用于跨时间尺度天气预报的掩码潜在扩散模型

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

用于视频生成的带有度量路径的均匀离散扩散

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

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

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

RoboOmni：全景模态上下文中的主动式机器人操作

统一多模态

Siyin Wang, Jinlan Fu, Feihong Liu, et al.

AgentFold：具有主动上下文管理的长时序Web Agent

AgentFold：具有主动上下文管理的长时序Web Agent

Rui Ye, Zhongwang Zhang, Kuan Li, et al.

通义DeepResearch技术报告

通义DeepResearch技术报告

Tongyi DeepResearch Team, Baixuan Li, Bo Zhang, et al.

InteractComp：使用模糊查询评估Search Agent

InteractComp：使用模糊查询评估Search 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

VLM-SlideEval：在PPT中评估VLMs的结构化理解与扰动敏感性

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

TeraSim-World：面向端到端自动驾驶的全球安全关键数据合成

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

前瞻锚定：在基于音频的人体动画中保持角色身份

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

VITA-E：自然具身交互中的并发视觉、听觉、语言生成与行动

Xiaoyu Liu, Chaoyou Fu, Chi Yan, et al.

FARMER：基于像素的流式自回归Transformer

FARMER：基于像素的流式自回归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？

数据Agent综述：新兴范式还是被夸大的炒作？

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

ReCode：统一规划与执行以实现通用粒度控制

Zhaoyang Yu, Jiayi Zhang, Huixue Su, et al.

Concerto：联合2D-3D自监督学习涌现空间表征

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

Magellan：用于潜在空间探索与新颖性生成的引导式MCTS

DEEDEE：快速且可扩展的分布外动态检测

DEEDEE：快速且可扩展的分布外动态检测

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

通过Token重排实现更稀疏的块稀疏注意力

Xinghao Wang, Pengyu Wang, Dong Zhang, et al.

AGI的定义

Dan Hendrycks, Dawn Song, Christian Szegedy, et al.

从去噪到精炼：一种面向视觉-语言扩散模型的校正框架

从去噪到精炼：一种面向视觉-语言扩散模型的校正框架

Yatai Ji, Teng Wang, Yuying Ge, et al.

逐步采样，分块优化：面向文本到图像生成的分块级GRPO

逐步采样，分块优化：面向文本到图像生成的分块级GRPO

Yifu Luo, Penghui Du, Bo Li, et al.

视频作为提示：视频生成的统一语义控制

视频作为提示：视频生成的统一语义控制

Yuxuan Bian, Xin Chen, Zenan Li, et al.

DeepAgent：具备可扩展工具集的通用推理Agent

DeepAgent：具备可扩展工具集的通用推理Agent

Xiaoxi Li, Wenxiang Jiao, Jiarui Jin, et al.

不确定性感知的多目标强化学习引导的扩散模型用于三维从头分子设计

不确定性感知的多目标强化学习引导的扩散模型用于三维从头分子设计

Lianghong Chen, Dongkyu Eugene Kim, Mike Domaratzki, et al.

Reac-Discovery：一种由人工智能驱动的连续流催化反应器发现与优化平台

Reac-Discovery：一种由人工智能驱动的连续流催化反应器发现与优化平台

Cristopher Tinajero, Marcileia Zanatta, Julián E. Sánchez-Velandia, et al.

BoltzGen：迈向通用结合剂设计

BoltzGen：迈向通用结合剂设计

Hannes Stark, Felix Faltings, MinGyu Choi, et al.

HSCodeComp：面向层级规则应用中深度搜索Agent的现实且专家级基准

HSCodeComp：面向层级规则应用中深度搜索Agent的现实且专家级基准

Yiqian Yang, Tian Lan, Qianghuai Jia, et al.

DyPE：用于超高分辨率扩散的动态位置外推

DyPE：用于超高分辨率扩散的动态位置外推

Noam Issachar, Guy Yariv, Sagie Benaim, et al.

HoloCine：电影级多镜头长视频叙事的全局生成

HoloCine：电影级多镜头长视频叙事的全局生成

Yihao Meng, Hao Ouyang, Yue Yu, et al.