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

关于服务协议隐私政策
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

关于服务协议隐私政策
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

InCoder-32B：面向工业场景的代码基础模型

InCoder-32B：面向工业场景的代码基础模型

Jian Yang, Wei Zhang, Jiajun Wu, et al.

MiroThinker-1.7 与 H1：迈向基于验证的重型研究 Agent

MiroThinker-1.7 与 H1：迈向基于验证的重型研究 Agent

MiroMind Team, S. Bai, L. Bing, et al.

HSImul3R：物理在环的人机场景交互重建，生成仿真就绪数据

HSImul3R：物理在环的人机场景交互重建，生成仿真就绪数据

机器视觉 3D

Yukang Cao, Haozhe Xie, Fangzhou Hong, et al.

深度混合注意力

深度混合注意力

Lianghui Zhu, Yuxin Fang, Bencheng Liao, et al.

注意力残差

注意力残差

Kimi Team, Guangyu Chen, Yu Zhang, et al.

将世界模拟模型锚定于真实世界大都市

将世界模拟模型锚定于真实世界大都市

Junyoung Seo, Hyunwook Choi, Minkyung Kwon, et al.

OpenSeeker：通过完全开源训练数据，推动前沿搜索 Agent 的民主化

OpenSeeker：通过完全开源训练数据，推动前沿搜索 Agent 的民主化

Yuwen Du, Rui Ye, Shuo Tang, et al.

人工智能能够习得科学品味

人工智能能够习得科学品味

Jingqi Tong, Mingzhe Li, Hangcheng Li, et al.

MM-CondChain：用于视觉推理的深度组合能力程序化验证基准

MM-CondChain：用于视觉推理的深度组合能力程序化验证基准

Haozhan Shen, Shilin Yan, Hongwei Xue, et al.

视觉 - 语言模型能否破解“三仙归洞”难题？

视觉 - 语言模型能否破解“三仙归洞”难题？

Tiedong Liu, Wee Sun Lee

OmniForcing：释放实时音视频联合生成能力

OmniForcing：释放实时音视频联合生成能力

Yaofeng Su, Yuming Li, Zeyue Xue, et al.

daVinci-Env：大规模开源软件工程环境合成

daVinci-Env：大规模开源软件工程环境合成

Dayuan Fu, Shenyu Wu, Yunze Wu, et al.

Cheers：解耦图像块细节与语义表示，实现统一的多模态理解与生成

Cheers：解耦图像块细节与语义表示，实现统一的多模态理解与生成

统一多模态

Yichen Zhang, Da Peng, Zonghao Guo, et al.

LMEB：长程记忆嵌入基准测试

LMEB：长程记忆嵌入基准测试

检索增强生成

Xinping Zhao, Xinshuo Hu, Jiaxin Xu, et al.

DreamVideo-Omni：通过潜在身份强化学习实现全动作控制的多主体视频定制

DreamVideo-Omni：通过潜在身份强化学习实现全动作控制的多主体视频定制

Yujie Wei, Xinyu Liu, Shiwei Zhang, et al.

ShotVerse：推动文本驱动多镜头视频创作中的电影级相机控制进展

ShotVerse：推动文本驱动多镜头视频创作中的电影级相机控制进展

Songlin Yang, Zhe Wang, Xuyi Yang, et al.

面向计算机使用智能体的视频奖励建模

面向计算机使用智能体的视频奖励建模

Linxin Song, Jieyu Zhang, Huanxin Sheng, et al.

IndexCache：通过跨层索引复用加速稀疏注意力机制

IndexCache：通过跨层索引复用加速稀疏注意力机制

Yushi Bai, Qian Dong, Ting Jiang, et al.

战略导航还是随机搜索？Agent 与人类如何在文档集合中进行推理

战略导航还是随机搜索？Agent 与人类如何在文档集合中进行推理

Łukasz Borchmann, Jordy Van Landeghem, Michał Turski, et al.

Spatial-TTT：基于流式视觉的测试时训练空间智能

Spatial-TTT：基于流式视觉的测试时训练空间智能

Fangfu Liu, Diankun Wu, Jiawei Chi, et al.

大型语言模型能否跟上节奏？面向持续知识流的在线适应性基准测试

大型语言模型能否跟上节奏？面向持续知识流的在线适应性基准测试

Jiyeon Kim, Hyunji Lee, Dylan Zhou, et al.

ReMix：LLM 微调中 LoRA 混合模型的强化路由机制

ReMix：LLM 微调中 LoRA 混合模型的强化路由机制

监督式微调

Ruizhong Qiu, Hanqing Zeng, Yinglong Xia, et al.

大型语言模型中工具使用的上下文强化学习

大型语言模型中工具使用的上下文强化学习

Yaoqi Ye, Yiran Zhao, Keyu Duan, et al.

MA-EgoQA：基于多具身智能体的第一人称视频问答

MA-EgoQA：基于多具身智能体的第一人称视频问答

Kangsan Kim, Yanlai Yang, Suji Kim, et al.

Flash-KMeans：快速且内存高效的精确 K-Means 算法

Flash-KMeans：快速且内存高效的精确 K-Means 算法

Shuo Yang, Haocheng Xi, Yilong Zhao, et al.

OpenClaw-RL：仅需对话即可训练任意 Agent

OpenClaw-RL：仅需对话即可训练任意 Agent

Yinjie Wang, Xuyang Chen, Xiaolong Jin, et al.

将视觉语言模型引入赛场：体育领域空间智能基准测试

将视觉语言模型引入赛场：体育领域空间智能基准测试

Yuchen Yang, Yuqing Shao, Duxiu Huang, et al.

InternVL-U：推动面向理解、推理、生成与编辑的统一多模态模型普及化

InternVL-U：推动面向理解、推理、生成与编辑的统一多模态模型普及化

统一多模态

Changyao Tian, Danni Yang, Guanzhou Chen, et al.

MM-Zero：基于零数据自进化的多模型视觉语言模型

MM-Zero：基于零数据自进化的多模型视觉语言模型

Zongxia Li, Hongyang Du, Chengsong Huang, et al.

思考以唤起：推理如何解锁 LLM 中的参数化知识

思考以唤起：推理如何解锁 LLM 中的参数化知识

Zorik Gekhman, Roee Aharoni, Eran Ofek, et al.

Omni-Diffusion：基于掩蔽离散扩散的统一多模态理解与生成

Omni-Diffusion：基于掩蔽离散扩散的统一多模态理解与生成

统一多模态

Lijiang Li, Zuwei Long, Yunhang Shen, et al.

几何引导的强化学习用于多视角一致的 3D 场景编辑

几何引导的强化学习用于多视角一致的 3D 场景编辑

Jiyuan Wang, Chunyu Lin, Lei Sun, et al.

InCoder-32B：面向工业场景的代码基础模型

InCoder-32B：面向工业场景的代码基础模型

Jian Yang, Wei Zhang, Jiajun Wu, et al.

MiroThinker-1.7 与 H1：迈向基于验证的重型研究 Agent

MiroThinker-1.7 与 H1：迈向基于验证的重型研究 Agent

MiroMind Team, S. Bai, L. Bing, et al.

HSImul3R：物理在环的人机场景交互重建，生成仿真就绪数据

HSImul3R：物理在环的人机场景交互重建，生成仿真就绪数据

机器视觉 3D

Yukang Cao, Haozhe Xie, Fangzhou Hong, et al.

深度混合注意力

深度混合注意力

Lianghui Zhu, Yuxin Fang, Bencheng Liao, et al.

注意力残差

注意力残差

Kimi Team, Guangyu Chen, Yu Zhang, et al.

将世界模拟模型锚定于真实世界大都市

将世界模拟模型锚定于真实世界大都市

Junyoung Seo, Hyunwook Choi, Minkyung Kwon, et al.

OpenSeeker：通过完全开源训练数据，推动前沿搜索 Agent 的民主化

OpenSeeker：通过完全开源训练数据，推动前沿搜索 Agent 的民主化

Yuwen Du, Rui Ye, Shuo Tang, et al.

人工智能能够习得科学品味

人工智能能够习得科学品味

Jingqi Tong, Mingzhe Li, Hangcheng Li, et al.

MM-CondChain：用于视觉推理的深度组合能力程序化验证基准

MM-CondChain：用于视觉推理的深度组合能力程序化验证基准

Haozhan Shen, Shilin Yan, Hongwei Xue, et al.

视觉 - 语言模型能否破解“三仙归洞”难题？

视觉 - 语言模型能否破解“三仙归洞”难题？

Tiedong Liu, Wee Sun Lee

OmniForcing：释放实时音视频联合生成能力

OmniForcing：释放实时音视频联合生成能力

Yaofeng Su, Yuming Li, Zeyue Xue, et al.

daVinci-Env：大规模开源软件工程环境合成

daVinci-Env：大规模开源软件工程环境合成

Dayuan Fu, Shenyu Wu, Yunze Wu, et al.

Cheers：解耦图像块细节与语义表示，实现统一的多模态理解与生成

Cheers：解耦图像块细节与语义表示，实现统一的多模态理解与生成

统一多模态

Yichen Zhang, Da Peng, Zonghao Guo, et al.

LMEB：长程记忆嵌入基准测试

LMEB：长程记忆嵌入基准测试

检索增强生成

Xinping Zhao, Xinshuo Hu, Jiaxin Xu, et al.

DreamVideo-Omni：通过潜在身份强化学习实现全动作控制的多主体视频定制

DreamVideo-Omni：通过潜在身份强化学习实现全动作控制的多主体视频定制

Yujie Wei, Xinyu Liu, Shiwei Zhang, et al.

ShotVerse：推动文本驱动多镜头视频创作中的电影级相机控制进展

ShotVerse：推动文本驱动多镜头视频创作中的电影级相机控制进展

Songlin Yang, Zhe Wang, Xuyi Yang, et al.

面向计算机使用智能体的视频奖励建模

面向计算机使用智能体的视频奖励建模

Linxin Song, Jieyu Zhang, Huanxin Sheng, et al.

IndexCache：通过跨层索引复用加速稀疏注意力机制

IndexCache：通过跨层索引复用加速稀疏注意力机制

Yushi Bai, Qian Dong, Ting Jiang, et al.

战略导航还是随机搜索？Agent 与人类如何在文档集合中进行推理

战略导航还是随机搜索？Agent 与人类如何在文档集合中进行推理

Łukasz Borchmann, Jordy Van Landeghem, Michał Turski, et al.

Spatial-TTT：基于流式视觉的测试时训练空间智能

Spatial-TTT：基于流式视觉的测试时训练空间智能

Fangfu Liu, Diankun Wu, Jiawei Chi, et al.

大型语言模型能否跟上节奏？面向持续知识流的在线适应性基准测试

大型语言模型能否跟上节奏？面向持续知识流的在线适应性基准测试

Jiyeon Kim, Hyunji Lee, Dylan Zhou, et al.

ReMix：LLM 微调中 LoRA 混合模型的强化路由机制

ReMix：LLM 微调中 LoRA 混合模型的强化路由机制

监督式微调

Ruizhong Qiu, Hanqing Zeng, Yinglong Xia, et al.

大型语言模型中工具使用的上下文强化学习

大型语言模型中工具使用的上下文强化学习

Yaoqi Ye, Yiran Zhao, Keyu Duan, et al.

MA-EgoQA：基于多具身智能体的第一人称视频问答

MA-EgoQA：基于多具身智能体的第一人称视频问答

Kangsan Kim, Yanlai Yang, Suji Kim, et al.

Flash-KMeans：快速且内存高效的精确 K-Means 算法

Flash-KMeans：快速且内存高效的精确 K-Means 算法

Shuo Yang, Haocheng Xi, Yilong Zhao, et al.

OpenClaw-RL：仅需对话即可训练任意 Agent

OpenClaw-RL：仅需对话即可训练任意 Agent

Yinjie Wang, Xuyang Chen, Xiaolong Jin, et al.

将视觉语言模型引入赛场：体育领域空间智能基准测试

将视觉语言模型引入赛场：体育领域空间智能基准测试

Yuchen Yang, Yuqing Shao, Duxiu Huang, et al.

InternVL-U：推动面向理解、推理、生成与编辑的统一多模态模型普及化

InternVL-U：推动面向理解、推理、生成与编辑的统一多模态模型普及化

统一多模态

Changyao Tian, Danni Yang, Guanzhou Chen, et al.

MM-Zero：基于零数据自进化的多模型视觉语言模型

MM-Zero：基于零数据自进化的多模型视觉语言模型

Zongxia Li, Hongyang Du, Chengsong Huang, et al.

思考以唤起：推理如何解锁 LLM 中的参数化知识

思考以唤起：推理如何解锁 LLM 中的参数化知识

Zorik Gekhman, Roee Aharoni, Eran Ofek, et al.

Omni-Diffusion：基于掩蔽离散扩散的统一多模态理解与生成

Omni-Diffusion：基于掩蔽离散扩散的统一多模态理解与生成

统一多模态

Lijiang Li, Zuwei Long, Yunhang Shen, et al.

几何引导的强化学习用于多视角一致的 3D 场景编辑

几何引导的强化学习用于多视角一致的 3D 场景编辑

Jiyuan Wang, Chunyu Lin, Lei Sun, et al.