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

COOPER:面向空间智能的协同感知与推理统一模型

从模仿到判别:迈向一种增强跨领域推理任务的通用课程优势机制































COOPER:面向空间智能的协同感知与推理统一模型

从模仿到判别:迈向一种增强跨领域推理任务的通用课程优势机制






























PaCo-RL:基于成对奖励建模的强化学习在一致图像生成中的应用进展
EMMA:基于统一架构的高效多模态理解、生成与编辑
EditThinker:解锁任意图像编辑器的迭代推理能力
TwinFlow:基于自对抗流实现大模型的一步生成
CARE-PD:用于帕金森病步态评估的多中心匿名临床数据集
WenetSpeech-Chuan:一个用于方言语音处理的大规模四川话语料库,具有丰富的标注信息
PolypSense3D:用于内窥镜深度感知息肉尺寸测量的多源基准数据集
PhysDrive:面向车载驾驶员监控的多模态远程生理测量数据集
人工蜂群智能:语言模型(及更广泛领域)的开放性同质性
OmniSVG:一种统一的可扩展矢量图形生成模型
算法思维理论
机器人世界模型:用于机器人鲁棒策略优化的神经网络模拟器
奖励强制:基于奖励分布匹配蒸馏的高效流式视频生成
语义引领方向:通过异步潜在扩散实现语义与纹理建模的协同
ARM-Thinker:通过智能体工具使用与视觉推理强化多模态生成式奖励模型
Nex-N1:通过统一生态系统训练的智能体模型,用于大规模环境构建
DAComp:面向数据智能全生命周期的数据Agent基准测试
实时虚拟形象:基于实时音频驱动的无限长度虚拟形象生成
F5-TTS:一种通过流匹配实现流畅且忠实语音伪造的童话讲述者
VOccl3D:一种用于真实遮挡下3D人体姿态与形状估计的视频基准数据集
Alpamayo-R1:面向长尾场景下可泛化的自动驾驶,连接推理与行为预测
环环相扣:一场关于测试时记忆、注意力偏差、保留与在线优化的探索之旅
重新思考文本到视觉生成中推理时扩展的提示设计
作为反探索的视觉-语言-动作模型引导:一种测试时扩展方法
OneThinker:面向图像与视频的全功能推理模型
ViDiC:视频差异描述
PretrainZero:强化主动预训练
每个Token都至关重要:在大型语言模型中泛化16M超长上下文
SimScale:通过大规模真实世界仿真学习驾驶
Skywork-R1V4:通过图像与DeepResearch的交织思维迈向智能多模态代理
PaCo-RL:基于成对奖励建模的强化学习在一致图像生成中的应用进展
EMMA:基于统一架构的高效多模态理解、生成与编辑
EditThinker:解锁任意图像编辑器的迭代推理能力
TwinFlow:基于自对抗流实现大模型的一步生成
CARE-PD:用于帕金森病步态评估的多中心匿名临床数据集
WenetSpeech-Chuan:一个用于方言语音处理的大规模四川话语料库,具有丰富的标注信息
PolypSense3D:用于内窥镜深度感知息肉尺寸测量的多源基准数据集
PhysDrive:面向车载驾驶员监控的多模态远程生理测量数据集
人工蜂群智能:语言模型(及更广泛领域)的开放性同质性
OmniSVG:一种统一的可扩展矢量图形生成模型
算法思维理论
机器人世界模型:用于机器人鲁棒策略优化的神经网络模拟器
奖励强制:基于奖励分布匹配蒸馏的高效流式视频生成
语义引领方向:通过异步潜在扩散实现语义与纹理建模的协同
ARM-Thinker:通过智能体工具使用与视觉推理强化多模态生成式奖励模型
Nex-N1:通过统一生态系统训练的智能体模型,用于大规模环境构建
DAComp:面向数据智能全生命周期的数据Agent基准测试
实时虚拟形象:基于实时音频驱动的无限长度虚拟形象生成
F5-TTS:一种通过流匹配实现流畅且忠实语音伪造的童话讲述者
VOccl3D:一种用于真实遮挡下3D人体姿态与形状估计的视频基准数据集
Alpamayo-R1:面向长尾场景下可泛化的自动驾驶,连接推理与行为预测
环环相扣:一场关于测试时记忆、注意力偏差、保留与在线优化的探索之旅
重新思考文本到视觉生成中推理时扩展的提示设计
作为反探索的视觉-语言-动作模型引导:一种测试时扩展方法
OneThinker:面向图像与视频的全功能推理模型
ViDiC:视频差异描述
PretrainZero:强化主动预训练
每个Token都至关重要:在大型语言模型中泛化16M超长上下文
SimScale:通过大规模真实世界仿真学习驾驶
Skywork-R1V4:通过图像与DeepResearch的交织思维迈向智能多模态代理