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
篇论文

在虚拟临床环境中演进交互式诊断 Agent

WeDLM:弥合扩散语言模型与标准因果注意力机制以实现快速推理






























TurboDiffusion:通过100-200倍加速视频Diffusion模型
HunyuanVideo-Foley:基于表示对齐的多模态扩散模型用于高保真Foley音频生成
Fara-7B:一种用于计算机使用的高效Agent模型
Fun-ASR 技术报告
利用Gemini加速科学研究:案例研究与常用技术
通过策略拍卖实现小规模Agent的扩展
Vibe AIGC:通过智能体编排实现内容生成的新范式
PaperSearchQA:基于RLVR的科学论文搜索与推理学习
EgoActor:通过视觉-语言模型将任务规划嵌入空间感知的视角动作中以实现类人机器人
A-RAG:通过分层检索接口实现智能体增强型检索生成的扩展
Quant VideoGen:通过2比特KV缓存量化实现自回归长视频生成
SoMA:一种用于机器人软体操作的真实到仿真神经模拟器
面向视角自适应的人体视频生成的3D感知隐式运动控制
daVinci-Agency:高效解锁长周期代理数据
世界模型的研究并不仅仅是将世界知识注入特定任务中
AOrchestra:面向智能体编排的子智能体自动生成
思维链中缺乏全局规划:揭示LLM的潜在规划时域
CodeOCR:视觉语言模型在代码理解中的有效性研究
DeepPlanning:基于可验证约束的长时域Agent规划基准测试
CL-bench:上下文学习基准
基于自蒸馏的强化学习
聊天机器人作为社交伴侣:人们如何感知机器的意识、类人程度以及社交健康益处
POPE:通过特权在策略探索学习在难题上进行推理
UniReason 1.0:面向世界知识对齐的图像生成与编辑的统一推理框架
闭环闭环:基于RPG-Encoder的通用仓库表示
视觉-DeepResearch基准:重新思考多模态大语言模型中的视觉与文本搜索
Vision-DeepResearch:在多模态大语言模型中激励深度研究能力
Kimi K2.5:视觉智能体智能
Green-VLA:面向通用机器人的分阶段视觉-语言-动作模型
PaperBanana:为AI科学家自动化学术插图