HyperAI
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
Dream2Flow：基于3D物体流连接视频生成与开放世界操控
视频生成
机器人技术
Karthik Dharmarajan, Wenlong Huang, Jiajun Wu, et al.
扩散LLM中的离散性作用
扩散模型
LLM
Ziqi Jin, Bin Wang, Xiang Lin, et al.
DiffThinker：面向生成式多模态推理的扩散模型
扩散模型
推理
Zefeng He, Xiaoye Qu, Yafu Li, et al.
动态大概念模型：自适应语义空间中的潜在推理
LLM
自然语言处理
Xingwei Qu, Shaowen Wang, Zihao Huang, et al.
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
检索增强生成
推理
Chulun Zhou, Chunkang Zhang, Guoxin Yu, et al.
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
Agent
LLM
Jiafeng Liang, Hao Li, Chang Li, et al.
开放性推理的扩展以预测未来
推理
检索增强生成
Nikhil Chandak, Shashwat Goel, Ameya Prabhu, et al.
GaMO：面向稀疏视图三维重建的几何感知多视角扩散外推
扩散模型
机器视觉 3D
Yi-Chuan Huang, Hao-Jen Chien, Chin-Yang Lin, et al.
mHC：流形约束超连接
Transformer
模型训练
Zhenda Xie, Yixuan Wei, Huanqi Cao, et al.
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
Agent
开源
Weixun Wang, XiaoXiao Xu, Wanhe An, et al.
Youtu-LLM：释放轻量级大语言模型的原生智能体潜力
Agent
LLM
Junru Lu, Jiarui Qin, Lingfeng Qiao, et al.
GateBreaker：基于门控机制的专家混合型LLM攻击方法
LLM
文本生成
Lichao Wu, Sasha Behrouzi, Mohamadreza Rostami, et al.
GraphLocator：基于图引导的因果推理用于问题定位
推理
算法
Wei Liu, Chao Peng, Pengfei Gao, et al.
评估参数高效方法在RLVR中的应用
强化学习
监督式微调
Qingyu Yin, Yulun Wu, Zhennan Shen, et al.
端到端的测试时训练用于长上下文
Transformer
自然语言处理
Arnuv Tandon, Karan Dalal, Xinhao Li, et al.
DreamOmni3：基于涂鸦的编辑与生成
图像生成
图像修复
Bin Xia, Bohao Peng, Jiyang Liu, et al.
UltraShape 1.0：通过可扩展几何精炼实现高保真3D形状生成
3D 生成
扩散模型
Tanghui Jia, Dongyu Yan, Dehao Hao, et al.
Mimic-Video：面向可泛化机器人控制的视频-动作模型，超越VLAs
机器人技术
具身智能
Jonas Pai, Liam Achenbach, Victoriano Montesinos, et al.
HY-Motion 1.0：面向文本到动作生成的流匹配模型扩展
扩散模型
3D 生成
Yuxin Wen, Qing Shuai, Di Kang, et al.
SurgWorld：通过世界建模从视频中学习外科机器人策略
机器人技术
具身智能
Yufan He, Pengfei Guo, Mengya Xu, et al.
SpotEdit：扩散Transformer中的选择性区域编辑
扩散模型
图像处理
Zhibin Qin, Zhenxiong Tan, Zeqing Wang, et al.
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
深度估计
扩散模型
Shaocong Xu, Songlin Wei, Qizhe Wei, et al.
SmartSnap：面向自验证Agent的主动证据获取
Agent
强化学习
Shaofei Cai, Yulei Qin, Haojia Lin, et al.
Yume-1.5：一种文本控制的交互式世界生成模型
文生视频
扩散模型
Xiaofeng Mao, Zhen Li, Chuanhao Li, et al.
LiveTalk：通过改进的自洽蒸馏实现实时多模态交互式视频扩散
扩散模型
视频生成
Ethan Chern, Zhulin Hu, Bohao Tang, et al.
通过辅助损失实现专家与路由器在专家混合模型中的耦合
LLM
算法
Ang Lv, Jin Ma, Yiyuan Ma, et al.
LongFly：基于时空上下文融合的长时程无人机视觉-语言导航
机器人技术
视频理解
Wen Jiang, Li Wang, Kangyao Huang, et al.
注意力并非你所需要的
Transformer
语言
Zhang Chong
SlideTailor：面向科学论文的个性化演示文稿生成
文本生成
人机交互
Wenzheng Zeng, Mingyu Ouyang, Langyuan Cui, et al.
InSight-o3：通过泛化视觉搜索赋能多模态基础模型
Agent
多模态表征
Kaican Li, Lewei Yao, Jiannan Wu, et al.
InsertAnywhere：连接4D场景几何与扩散模型以实现逼真的视频物体插入
扩散模型
视频处理
Hoiyeong Jin, Hyojin Jang, Jeongho Kim, et al.
面向心智地图感知的检索增强生成以提升长上下文理解
检索增强生成
LLM
Yuqing Li, Jiangnan Li, Zheng Lin, et al.