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

多模态指代分割：一项综述

多模态指代分割：一项综述

多模态表征

Henghui Ding, Song Tang, Shuting He, et al.

3D-R1：提升3D VLMs中的推理能力以实现统一场景理解

3D-R1：提升3D VLMs中的推理能力以实现统一场景理解

Ting Huang, Zeyu Zhang, Hao Tang

SWE-Exp：基于经验的软件问题解决

SWE-Exp：基于经验的软件问题解决

Silin Chen, Shaoxin Lin, Xiaodong Gu, et al.

PixNerd：像素神经场扩散

PixNerd：像素神经场扩散

Shuai Wang, Ziteng Gao, Chenhui Zhu, et al.

超越固定长度：用于扩散大语言模型的可变长度去噪

超越固定长度：用于扩散大语言模型的可变长度去噪

Jinsong Li, Xiaoyi Dong, Yuhang Zang, et al.

认知内核-Pro：面向深度研究Agent与Agent基础模型训练的框架

认知内核-Pro：面向深度研究Agent与Agent基础模型训练的框架

Tianqing Fang, Zhisong Zhang, Xiaoyang Wang, et al.

协同生成人工智能：迈向增强型、参与式的生命周期

协同生成人工智能：迈向增强型、参与式的生命周期

Rashid Mushkani, Hugo Berard, Toumadher Ammar, et al.

iLRM：一种迭代式大规模3D重建模型

iLRM：一种迭代式大规模3D重建模型

Gyeongjin Kang, Seungtae Nam, Xiangyu Sun, et al.

villa-X：提升视觉-语言-动作模型中的潜在动作建模

villa-X：提升视觉-语言-动作模型中的潜在动作建模

机器人技术

Xiaoyu Chen, Hangxing Wei, Pushi Zhang, et al.

C3：一个用于探索复杂对话中挑战的双语口语对话模型基准

C3：一个用于探索复杂对话中挑战的双语口语对话模型基准

Chengqian Ma, Wei Tao, Yiwen Guo

RecGPT 技术报告

RecGPT 技术报告

检索增强生成

Chao Yi, Dian Chen, Gaoyang Guo, et al.

Phi-Ground 技术报告：推进GUI接地中的感知能力

Phi-Ground 技术报告：推进GUI接地中的感知能力

Miaosen Zhang, Ziqiang Xu, Jialiang Zhu, et al.

Seed-Prover：自动化定理证明中的深度与广度推理

Seed-Prover：自动化定理证明中的深度与广度推理

Luoxin Chen, Jinming Gu, Liankai Huang, et al.

野外环境下的合成语音检测：少即是多

野外环境下的合成语音检测：少即是多

Nicholas Andrews, Matthew Wiesner, Sanjeev Khudanpur, et al.

基于方案感知与全局的ReLU选择：部分MILP在DNN验证中强势回归

基于方案感知与全局的ReLU选择：部分MILP在DNN验证中强势回归

卷积神经网络

Yuke Liao, Blaise Genest, Kuldeep Meel, et al.

思维链自指导：为推理与非推理任务构建高质量的合成提示

思维链自指导：为推理与非推理任务构建高质量的合成提示

Ping Yu, Jack Lanchantin, Tianlu Wang, et al.

指向性音视频分割中的全模态表达与推理

指向性音视频分割中的全模态表达与推理

Kaining Ying, Henghui Ding, Guanquan Jie, et al.

基于弱监督的无人机影像未见域车辆检测器自适应方法

基于弱监督的无人机影像未见域车辆检测器自适应方法

Xiao Fang, Minhyek Jeon, Zheyang Qin, et al.

VL-Cogito：面向高级多模态推理的渐进式课程强化学习

VL-Cogito：面向高级多模态推理的渐进式课程强化学习

Ruifeng Yuan, Chenghao Xiao, Sicong Leng, et al.

Falcon-H1：一类混合头语言模型，重新定义效率与性能

Falcon-H1：一类混合头语言模型，重新定义效率与性能

Jingwei Zuo, Maksim Velikanov, Ilyas Chahed, et al.

BANG：通过生成式爆炸动力学划分3D资产

BANG：通过生成式爆炸动力学划分3D资产

Longwen Zhang, Qixuan Zhang, Haoran Jiang, et al.

ScreenCoder：通过模块化多模态Agent推进前端自动化中的视觉到代码生成

ScreenCoder：通过模块化多模态Agent推进前端自动化中的视觉到代码生成

Yilei Jiang, Yaozhi Zheng, Yuxuan Wan, et al.

MIRepNet：一种基于EEG的运动想象分类的流水线与基础模型

MIRepNet：一种基于EEG的运动想象分类的流水线与基础模型

卷积神经网络

Dingkun Liu, Zhu Chen, Jingwei Luo, et al.

ChemDFM-R：一种融合原子化化学知识的化学推理LLM

ChemDFM-R：一种融合原子化化学知识的化学推理LLM

Zihan Zhao, Bo Chen, Ziping Wan, et al.

X-Omni：强化学习让离散自回归图像生成模型重放光彩

X-Omni：强化学习让离散自回归图像生成模型重放光彩

Zigang Geng, Yibing Wang, Yeyao Ma, et al.

HunyuanWorld 1.0：从文本或像素生成沉浸式、可探索且可交互的3D世界

HunyuanWorld 1.0：从文本或像素生成沉浸式、可探索且可交互的3D世界

HunyuanWorld Team, Zhenwei Wang, Yuhao Liu, et al.

AlphaEarth Foundations：一种基于稀疏标签数据的准确高效全球地图构建嵌入场模型

AlphaEarth Foundations：一种基于稀疏标签数据的准确高效全球地图构建嵌入场模型

Christopher F. Brown, Michal R. Kazmierski, Valerie J. Pasquarella, et al.

基于可解释深度学习模型的长时序ENSO预测

基于可解释深度学习模型的长时序ENSO预测

卷积神经网络

Qi Chen, Yinghao Cui, Guobin Hong, et al.

OmniArch：面向科学计算的基础模型构建

OmniArch：面向科学计算的基础模型构建

Tianyu Chen, Haoyi Zhou, Ying Li, et al.

UI-AGILE：通过有效的强化学习和精确的推理期对齐推进GUI代理

UI-AGILE：通过有效的强化学习和精确的推理期对齐推进GUI代理

监督式微调

Shuquan Lian, Yuhang Wu, Jia Ma, et al.

DualSG：一种双流显式语义引导的多变量时间序列预测框架

DualSG：一种双流显式语义引导的多变量时间序列预测框架

自然语言处理

Kuiye Ding, Fanda Fan, Yao Wang, et al.

当 Tokens 讲得太多：跨图像、视频和音频的多模态长上下文 Tokens 压缩综述

当 Tokens 讲得太多：跨图像、视频和音频的多模态长上下文 Tokens 压缩综述

计算机视觉

Kele Shao, Keda Tao, Kejia Zhang, et al.

多模态指代分割：一项综述

多模态指代分割：一项综述

多模态表征

Henghui Ding, Song Tang, Shuting He, et al.

3D-R1：提升3D VLMs中的推理能力以实现统一场景理解

3D-R1：提升3D VLMs中的推理能力以实现统一场景理解

Ting Huang, Zeyu Zhang, Hao Tang

SWE-Exp：基于经验的软件问题解决

SWE-Exp：基于经验的软件问题解决

Silin Chen, Shaoxin Lin, Xiaodong Gu, et al.

PixNerd：像素神经场扩散

PixNerd：像素神经场扩散

Shuai Wang, Ziteng Gao, Chenhui Zhu, et al.

超越固定长度：用于扩散大语言模型的可变长度去噪

超越固定长度：用于扩散大语言模型的可变长度去噪

Jinsong Li, Xiaoyi Dong, Yuhang Zang, et al.

认知内核-Pro：面向深度研究Agent与Agent基础模型训练的框架

认知内核-Pro：面向深度研究Agent与Agent基础模型训练的框架

Tianqing Fang, Zhisong Zhang, Xiaoyang Wang, et al.

协同生成人工智能：迈向增强型、参与式的生命周期

协同生成人工智能：迈向增强型、参与式的生命周期

Rashid Mushkani, Hugo Berard, Toumadher Ammar, et al.

iLRM：一种迭代式大规模3D重建模型

iLRM：一种迭代式大规模3D重建模型

Gyeongjin Kang, Seungtae Nam, Xiangyu Sun, et al.

villa-X：提升视觉-语言-动作模型中的潜在动作建模

villa-X：提升视觉-语言-动作模型中的潜在动作建模

机器人技术

Xiaoyu Chen, Hangxing Wei, Pushi Zhang, et al.

C3：一个用于探索复杂对话中挑战的双语口语对话模型基准

C3：一个用于探索复杂对话中挑战的双语口语对话模型基准

Chengqian Ma, Wei Tao, Yiwen Guo

RecGPT 技术报告

RecGPT 技术报告

检索增强生成

Chao Yi, Dian Chen, Gaoyang Guo, et al.

Phi-Ground 技术报告：推进GUI接地中的感知能力

Phi-Ground 技术报告：推进GUI接地中的感知能力

Miaosen Zhang, Ziqiang Xu, Jialiang Zhu, et al.

Seed-Prover：自动化定理证明中的深度与广度推理

Seed-Prover：自动化定理证明中的深度与广度推理

Luoxin Chen, Jinming Gu, Liankai Huang, et al.

野外环境下的合成语音检测：少即是多

野外环境下的合成语音检测：少即是多

Nicholas Andrews, Matthew Wiesner, Sanjeev Khudanpur, et al.

基于方案感知与全局的ReLU选择：部分MILP在DNN验证中强势回归

基于方案感知与全局的ReLU选择：部分MILP在DNN验证中强势回归

卷积神经网络

Yuke Liao, Blaise Genest, Kuldeep Meel, et al.

思维链自指导：为推理与非推理任务构建高质量的合成提示

思维链自指导：为推理与非推理任务构建高质量的合成提示

Ping Yu, Jack Lanchantin, Tianlu Wang, et al.

指向性音视频分割中的全模态表达与推理

指向性音视频分割中的全模态表达与推理

Kaining Ying, Henghui Ding, Guanquan Jie, et al.

基于弱监督的无人机影像未见域车辆检测器自适应方法

基于弱监督的无人机影像未见域车辆检测器自适应方法

Xiao Fang, Minhyek Jeon, Zheyang Qin, et al.

VL-Cogito：面向高级多模态推理的渐进式课程强化学习

VL-Cogito：面向高级多模态推理的渐进式课程强化学习

Ruifeng Yuan, Chenghao Xiao, Sicong Leng, et al.

Falcon-H1：一类混合头语言模型，重新定义效率与性能

Falcon-H1：一类混合头语言模型，重新定义效率与性能

Jingwei Zuo, Maksim Velikanov, Ilyas Chahed, et al.

BANG：通过生成式爆炸动力学划分3D资产

BANG：通过生成式爆炸动力学划分3D资产

Longwen Zhang, Qixuan Zhang, Haoran Jiang, et al.

ScreenCoder：通过模块化多模态Agent推进前端自动化中的视觉到代码生成

ScreenCoder：通过模块化多模态Agent推进前端自动化中的视觉到代码生成

Yilei Jiang, Yaozhi Zheng, Yuxuan Wan, et al.

MIRepNet：一种基于EEG的运动想象分类的流水线与基础模型

MIRepNet：一种基于EEG的运动想象分类的流水线与基础模型

卷积神经网络

Dingkun Liu, Zhu Chen, Jingwei Luo, et al.

ChemDFM-R：一种融合原子化化学知识的化学推理LLM

ChemDFM-R：一种融合原子化化学知识的化学推理LLM

Zihan Zhao, Bo Chen, Ziping Wan, et al.

X-Omni：强化学习让离散自回归图像生成模型重放光彩

X-Omni：强化学习让离散自回归图像生成模型重放光彩

Zigang Geng, Yibing Wang, Yeyao Ma, et al.

HunyuanWorld 1.0：从文本或像素生成沉浸式、可探索且可交互的3D世界

HunyuanWorld 1.0：从文本或像素生成沉浸式、可探索且可交互的3D世界

HunyuanWorld Team, Zhenwei Wang, Yuhao Liu, et al.

AlphaEarth Foundations：一种基于稀疏标签数据的准确高效全球地图构建嵌入场模型

AlphaEarth Foundations：一种基于稀疏标签数据的准确高效全球地图构建嵌入场模型

Christopher F. Brown, Michal R. Kazmierski, Valerie J. Pasquarella, et al.

基于可解释深度学习模型的长时序ENSO预测

基于可解释深度学习模型的长时序ENSO预测

卷积神经网络

Qi Chen, Yinghao Cui, Guobin Hong, et al.

OmniArch：面向科学计算的基础模型构建

OmniArch：面向科学计算的基础模型构建

Tianyu Chen, Haoyi Zhou, Ying Li, et al.

UI-AGILE：通过有效的强化学习和精确的推理期对齐推进GUI代理

UI-AGILE：通过有效的强化学习和精确的推理期对齐推进GUI代理

监督式微调

Shuquan Lian, Yuhang Wu, Jia Ma, et al.

DualSG：一种双流显式语义引导的多变量时间序列预测框架

DualSG：一种双流显式语义引导的多变量时间序列预测框架

自然语言处理

Kuiye Ding, Fanda Fan, Yao Wang, et al.

当 Tokens 讲得太多：跨图像、视频和音频的多模态长上下文 Tokens 压缩综述

当 Tokens 讲得太多：跨图像、视频和音频的多模态长上下文 Tokens 压缩综述

计算机视觉

Kele Shao, Keda Tao, Kejia Zhang, et al.