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

Phantom-Data:面向通用主题一致的视频生成数据集

RLPR:将RLVR外推至无需验证器的一般领域































Phantom-Data:面向通用主题一致的视频生成数据集

RLPR:将RLVR外推至无需验证器的一般领域






























LongWriter-Zero:通过强化学习掌握超长文本生成
法线之光:通用光度立体的统一特征表示
利用STATE预测细胞在不同环境下对扰动的反应
CodeDiffuser:通过VLM生成的代码增强注意力扩散策略以解决指令模糊性
优化多语言文本转语音技术以包含口音和情感
VIKI-R:通过强化学习协调具身多智能体合作
PAROAttention:面向模式的重排序以提高视觉生成模型中稀疏和量化注意力机制的效率
视觉引导的分块是你所需要的:增强RAG的多模态文档理解
拖放式LLM:零样本提示到权重
进化缓存加速现成扩散模型
RE-IMAGINE:用于推理评估的符号基准合成
SonicVerse:基于音乐特征的多任务学习字幕生成
并非一切尽失:无需检查点的LLM恢复
日晷:一系列功能强大的时间序列基础模型
ADRD:基于规则决策系统的LLM驱动自主驾驶
改进的迭代精炼方法用于通过结构化指令实现图表到代码的生成
Show-O2:改进的原生统一多模态模型
从跨领域视角重新审视强化学习在大语言模型推理中的应用
Raptor:利用预训练2D基础模型实现可扩展的无训练3D医学体积嵌入
EmoNet-Voice:用于语音情感检测的细粒度、专家验证基准数据集
s1:简单测试时缩放
Search-o1:代理增强型搜索大推理模型
LLaVA-Mini:仅用一个视觉token实现高效图像与视频大型多模态模型
MAmmoTH-VL:通过大规模指令微调激发多模态推理
ShowUI:面向GUI视觉Agent的统一视觉-语言-动作模型
OS-ATLAS:用于通用GUI Agent的基础动作模型
GPT-4o 系统卡
SAM2Long:通过无训练记忆树增强SAM 2的长视频分割能力
Aria:一个开放的多模态原生专家混合模型
Qwen2-VL:在任意分辨率下提升视觉-语言模型对世界的感知能力
LongWriter-Zero:通过强化学习掌握超长文本生成
法线之光:通用光度立体的统一特征表示
利用STATE预测细胞在不同环境下对扰动的反应
CodeDiffuser:通过VLM生成的代码增强注意力扩散策略以解决指令模糊性
优化多语言文本转语音技术以包含口音和情感
VIKI-R:通过强化学习协调具身多智能体合作
PAROAttention:面向模式的重排序以提高视觉生成模型中稀疏和量化注意力机制的效率
视觉引导的分块是你所需要的:增强RAG的多模态文档理解
拖放式LLM:零样本提示到权重
进化缓存加速现成扩散模型
RE-IMAGINE:用于推理评估的符号基准合成
SonicVerse:基于音乐特征的多任务学习字幕生成
并非一切尽失:无需检查点的LLM恢复
日晷:一系列功能强大的时间序列基础模型
ADRD:基于规则决策系统的LLM驱动自主驾驶
改进的迭代精炼方法用于通过结构化指令实现图表到代码的生成
Show-O2:改进的原生统一多模态模型
从跨领域视角重新审视强化学习在大语言模型推理中的应用
Raptor:利用预训练2D基础模型实现可扩展的无训练3D医学体积嵌入
EmoNet-Voice:用于语音情感检测的细粒度、专家验证基准数据集
s1:简单测试时缩放
Search-o1:代理增强型搜索大推理模型
LLaVA-Mini:仅用一个视觉token实现高效图像与视频大型多模态模型
MAmmoTH-VL:通过大规模指令微调激发多模态推理
ShowUI:面向GUI视觉Agent的统一视觉-语言-动作模型
OS-ATLAS:用于通用GUI Agent的基础动作模型
GPT-4o 系统卡
SAM2Long:通过无训练记忆树增强SAM 2的长视频分割能力
Aria:一个开放的多模态原生专家混合模型
Qwen2-VL:在任意分辨率下提升视觉-语言模型对世界的感知能力