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

使用评分标准奖励训练AI协作者科学家

AdaGaR:面向动态场景重建的自适应Gabor表示































使用评分标准奖励训练AI协作者科学家

AdaGaR:面向动态场景重建的自适应Gabor表示






























驯服幻觉:通过反事实视频生成提升MLLMs的视频理解能力
SenseNova-MARS:通过强化学习赋能多模态智能体推理与搜索
Avatar Forcing:面向自然对话的实时交互式头部虚拟形象生成
NeoVerse:利用真实场景单目视频增强4D世界模型
Youtu-Agent:基于自动化生成与混合策略优化的Agent生产率提升
IQuest-Coder-V1 技术报告
递归语言模型
FlowBlending:面向快速高保真视频生成的阶段感知多模型采样
Dream2Flow:基于3D物体流连接视频生成与开放世界操控
扩散LLM中的离散性作用
DiffThinker:面向生成式多模态推理的扩散模型
动态大概念模型:自适应语义空间中的潜在推理
基于超图记忆的多步RAG在长上下文复杂关系建模中的优化
人工智能与大脑的交汇:从认知神经科学到自主智能体的记忆系统
开放性推理的扩展以预测未来
GaMO:面向稀疏视图三维重建的几何感知多视角扩散外推
mHC:流形约束超连接
让思维流动:在摇滚乐中构建智能体,于开放智能体学习生态中打造ROME模型
Youtu-LLM:释放轻量级大语言模型的原生智能体潜力
GateBreaker:基于门控机制的专家混合型LLM攻击方法
GraphLocator:基于图引导的因果推理用于问题定位
评估参数高效方法在RLVR中的应用
端到端的测试时训练用于长上下文
DreamOmni3:基于涂鸦的编辑与生成
UltraShape 1.0:通过可扩展几何精炼实现高保真3D形状生成
Mimic-Video:面向可泛化机器人控制的视频-动作模型,超越VLAs
HY-Motion 1.0:面向文本到动作生成的流匹配模型扩展
SurgWorld:通过世界建模从视频中学习外科机器人策略
SpotEdit:扩散Transformer中的选择性区域编辑
扩散模型洞悉透明性:将视频扩散模型重用于透明物体的深度与法向估计
驯服幻觉:通过反事实视频生成提升MLLMs的视频理解能力
SenseNova-MARS:通过强化学习赋能多模态智能体推理与搜索
Avatar Forcing:面向自然对话的实时交互式头部虚拟形象生成
NeoVerse:利用真实场景单目视频增强4D世界模型
Youtu-Agent:基于自动化生成与混合策略优化的Agent生产率提升
IQuest-Coder-V1 技术报告
递归语言模型
FlowBlending:面向快速高保真视频生成的阶段感知多模型采样
Dream2Flow:基于3D物体流连接视频生成与开放世界操控
扩散LLM中的离散性作用
DiffThinker:面向生成式多模态推理的扩散模型
动态大概念模型:自适应语义空间中的潜在推理
基于超图记忆的多步RAG在长上下文复杂关系建模中的优化
人工智能与大脑的交汇:从认知神经科学到自主智能体的记忆系统
开放性推理的扩展以预测未来
GaMO:面向稀疏视图三维重建的几何感知多视角扩散外推
mHC:流形约束超连接
让思维流动:在摇滚乐中构建智能体,于开放智能体学习生态中打造ROME模型
Youtu-LLM:释放轻量级大语言模型的原生智能体潜力
GateBreaker:基于门控机制的专家混合型LLM攻击方法
GraphLocator:基于图引导的因果推理用于问题定位
评估参数高效方法在RLVR中的应用
端到端的测试时训练用于长上下文
DreamOmni3:基于涂鸦的编辑与生成
UltraShape 1.0:通过可扩展几何精炼实现高保真3D形状生成
Mimic-Video:面向可泛化机器人控制的视频-动作模型,超越VLAs
HY-Motion 1.0:面向文本到动作生成的流匹配模型扩展
SurgWorld:通过世界建模从视频中学习外科机器人策略
SpotEdit:扩散Transformer中的选择性区域编辑
扩散模型洞悉透明性:将视频扩散模型重用于透明物体的深度与法向估计