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

SAM 3D：将图像中的任意内容3D化

SAM 3D：将图像中的任意内容3D化

SAM 3D Team, Xingyu Chen, Fu-Jen Chu, et al.

视频即答案：基于联合GRPO的下一视频事件预测与生成

视频即答案：基于联合GRPO的下一视频事件预测与生成

Junhao Cheng, Liang Hou, Xin Tao, et al.

首帧是视频内容定制的首选之地

首帧是视频内容定制的首选之地

Jingxi Chen, Zongxia Li, Zhichao Liu, et al.

基于多模态基础模型的时空智能扩展

基于多模态基础模型的时空智能扩展

多模态表征

Zhongang Cai, Ruisi Wang, Chenyang Gu, et al.

Step-Audio-R1 技术报告

Step-Audio-R1 技术报告

Fei Tian, Xiangyu Tony Zhang, Yuxin Zhang, et al.

V-ReasonBench：面向视频生成模型的统一推理基准测试套件

V-ReasonBench：面向视频生成模型的统一推理基准测试套件

Yang Luo, Xuanlei Zhao, Baijiong Lin, et al.

Olmo 3

Allyson Ettinger, Amanda Bertsch, Bailey Kuehl, et al.

GPT-5的早期科学加速实验

GPT-5的早期科学加速实验

Sébastien Bubeck, Christian Coester, Ronen Eldan, et al.

成为优秀的AI研究Agent需要什么？——探究创意多样性的作用

成为优秀的AI研究Agent需要什么？——探究创意多样性的作用

Alexis Audran-Reiss, Jordi Armengol Estapé, Karen Hambardzumyan, et al.

指令引导的胸部X光图像病灶分割方法及其自动构建的大规模数据集

指令引导的胸部X光图像病灶分割方法及其自动构建的大规模数据集

Geon Choi, Hangyul Yoon, Hyunju Shin, et al.

VisPlay：从图像中自演化视觉-语言模型

VisPlay：从图像中自演化视觉-语言模型

Yicheng He, Chengsong Huang, Zongxia Li, et al.

通过视频进行推理：首个基于迷宫求解任务对视频模型推理能力的评估

通过视频进行推理：首个基于迷宫求解任务对视频模型推理能力的评估

多模态表征

Cheng Yang, Haiyuan Wan, Yiran Peng, et al.

VIDEOP2R：从感知到推理的视频理解

VIDEOP2R：从感知到推理的视频理解

多模态表征

Yifan Jiang, Yueying Wang, Rui Zhao, et al.

Kandinsky 5.0：面向图像与视频生成的基础模型家族

Kandinsky 5.0：面向图像与视频生成的基础模型家族

Vladimir Arkhipkin, Vladimir Korviakov, Nikolai Gerasimenko, et al.

JAM-2：具有高成功率的类药物抗体的全计算设计

JAM-2：具有高成功率的类药物抗体的全计算设计

PathMind：一种基于大型语言模型的知识图谱推理的检索-优先级排序-推理框架

PathMind：一种基于大型语言模型的知识图谱推理的检索-优先级排序-推理框架

检索增强生成

Yu Liu, Xixun Lin, Yanmin Shang, et al.

审稿人：超越文本反思，迈向长视频理解中的多模态内省推理

审稿人：超越文本反思，迈向长视频理解中的多模态内省推理

Jiaze Li, Hao Yin, Wenhui Tan, et al.

MVI-Bench：面向低视觉语言模型中误导性视觉输入鲁棒性评估的综合性基准

MVI-Bench：面向低视觉语言模型中误导性视觉输入鲁棒性评估的综合性基准

Huiyi Chen, Jiawei Peng, Dehai Min, et al.

世界模拟器能进行推理吗？Gen-ViRe：一个生成式视觉推理基准

世界模拟器能进行推理吗？Gen-ViRe：一个生成式视觉推理基准

Xinxin Liu, Zhaopan Xu, Kai Wang, et al.

一种风格胜过一行代码：通过离散风格空间实现代码到风格图像的生成

一种风格胜过一行代码：通过离散风格空间实现代码到风格图像的生成

Huijie Liu, Shuhao Cui, Haoxiang Cao, et al.

AraLingBench：用于评估大型语言模型阿拉伯语语言能力的人工标注基准

AraLingBench：用于评估大型语言模型阿拉伯语语言能力的人工标注基准

Mohammad Zbib, Hasan Abed Al Kader Hammoud, Sina Mukalled, et al.

Think-at-Hard：通过选择性潜在迭代提升推理型语言模型

Think-at-Hard：通过选择性潜在迭代提升推理型语言模型

Tianyu Fu, Yichen You, Zekai Chen, et al.

HumanSense：从多模态感知到通过推理实现共情的上下文感知响应的MLLMs

HumanSense：从多模态感知到通过推理实现共情的上下文感知响应的MLLMs

Zheng Qin, Ruobing Zheng, Yabing Wang, et al.

CamCloneMaster：实现基于参考的相机控制用于视频生成

CamCloneMaster：实现基于参考的相机控制用于视频生成

Yawen Luo, Jianhong Bai, Xiaoyu Shi, et al.

EditScore：通过高保真奖励建模解锁图像编辑中的在线RL

EditScore：通过高保真奖励建模解锁图像编辑中的在线RL

Xin Luo, Jiahao Wang, Chenyuan Wu, et al.

InteractMove：基于文本控制的3D场景中可移动物体的人-物交互生成

InteractMove：基于文本控制的3D场景中可移动物体的人-物交互生成

机器人技术

Xinhao Cai, Minghang Zheng, Xin Jin, et al.

WebCoach：具有跨会话记忆引导的自演化Web Agent

WebCoach：具有跨会话记忆引导的自演化Web Agent

Genglin Liu, Shijie Geng, Sha Li, et al.

信任的学习：在序列决策中对不同建议者可靠性进行贝叶斯自适应

信任的学习：在序列决策中对不同建议者可靠性进行贝叶斯自适应

Dylan M. Asmar, Mykel J. Kochenderfer

GroupRank：一种由强化学习驱动的分组重排序范式

GroupRank：一种由强化学习驱动的分组重排序范式

检索增强生成

Duolin Sun, Meixiu Long, Dan Yang, et al.

MMaDA-Parallel：面向思维感知编辑与生成的多模态大扩散语言模型

MMaDA-Parallel：面向思维感知编辑与生成的多模态大扩散语言模型

Ye Tian, Ling Yang, Jiongfan Yang, et al.

TiViBench：面向视频生成模型的视频思维推理基准测试

TiViBench：面向视频生成模型的视频思维推理基准测试

Harold Haodong Chen, Disen Lan, Wen-Jie Shu, et al.

Part-X-MLLM：面向部件感知的3D多模态大语言模型

Part-X-MLLM：面向部件感知的3D多模态大语言模型

统一多模态

Chunshi Wang, Junliang Ye, Yunhan Yang, et al.

SAM 3D：将图像中的任意内容3D化

SAM 3D：将图像中的任意内容3D化

SAM 3D Team, Xingyu Chen, Fu-Jen Chu, et al.

视频即答案：基于联合GRPO的下一视频事件预测与生成

视频即答案：基于联合GRPO的下一视频事件预测与生成

Junhao Cheng, Liang Hou, Xin Tao, et al.

首帧是视频内容定制的首选之地

首帧是视频内容定制的首选之地

Jingxi Chen, Zongxia Li, Zhichao Liu, et al.

基于多模态基础模型的时空智能扩展

基于多模态基础模型的时空智能扩展

多模态表征

Zhongang Cai, Ruisi Wang, Chenyang Gu, et al.

Step-Audio-R1 技术报告

Step-Audio-R1 技术报告

Fei Tian, Xiangyu Tony Zhang, Yuxin Zhang, et al.

V-ReasonBench：面向视频生成模型的统一推理基准测试套件

V-ReasonBench：面向视频生成模型的统一推理基准测试套件

Yang Luo, Xuanlei Zhao, Baijiong Lin, et al.

Olmo 3

Allyson Ettinger, Amanda Bertsch, Bailey Kuehl, et al.

GPT-5的早期科学加速实验

GPT-5的早期科学加速实验

Sébastien Bubeck, Christian Coester, Ronen Eldan, et al.

成为优秀的AI研究Agent需要什么？——探究创意多样性的作用

成为优秀的AI研究Agent需要什么？——探究创意多样性的作用

Alexis Audran-Reiss, Jordi Armengol Estapé, Karen Hambardzumyan, et al.

指令引导的胸部X光图像病灶分割方法及其自动构建的大规模数据集

指令引导的胸部X光图像病灶分割方法及其自动构建的大规模数据集

Geon Choi, Hangyul Yoon, Hyunju Shin, et al.

VisPlay：从图像中自演化视觉-语言模型

VisPlay：从图像中自演化视觉-语言模型

Yicheng He, Chengsong Huang, Zongxia Li, et al.

通过视频进行推理：首个基于迷宫求解任务对视频模型推理能力的评估

通过视频进行推理：首个基于迷宫求解任务对视频模型推理能力的评估

多模态表征

Cheng Yang, Haiyuan Wan, Yiran Peng, et al.

VIDEOP2R：从感知到推理的视频理解

VIDEOP2R：从感知到推理的视频理解

多模态表征

Yifan Jiang, Yueying Wang, Rui Zhao, et al.

Kandinsky 5.0：面向图像与视频生成的基础模型家族

Kandinsky 5.0：面向图像与视频生成的基础模型家族

Vladimir Arkhipkin, Vladimir Korviakov, Nikolai Gerasimenko, et al.

JAM-2：具有高成功率的类药物抗体的全计算设计

JAM-2：具有高成功率的类药物抗体的全计算设计

PathMind：一种基于大型语言模型的知识图谱推理的检索-优先级排序-推理框架

PathMind：一种基于大型语言模型的知识图谱推理的检索-优先级排序-推理框架

检索增强生成

Yu Liu, Xixun Lin, Yanmin Shang, et al.

审稿人：超越文本反思，迈向长视频理解中的多模态内省推理

审稿人：超越文本反思，迈向长视频理解中的多模态内省推理

Jiaze Li, Hao Yin, Wenhui Tan, et al.

MVI-Bench：面向低视觉语言模型中误导性视觉输入鲁棒性评估的综合性基准

MVI-Bench：面向低视觉语言模型中误导性视觉输入鲁棒性评估的综合性基准

Huiyi Chen, Jiawei Peng, Dehai Min, et al.

世界模拟器能进行推理吗？Gen-ViRe：一个生成式视觉推理基准

世界模拟器能进行推理吗？Gen-ViRe：一个生成式视觉推理基准

Xinxin Liu, Zhaopan Xu, Kai Wang, et al.

一种风格胜过一行代码：通过离散风格空间实现代码到风格图像的生成

一种风格胜过一行代码：通过离散风格空间实现代码到风格图像的生成

Huijie Liu, Shuhao Cui, Haoxiang Cao, et al.

AraLingBench：用于评估大型语言模型阿拉伯语语言能力的人工标注基准

AraLingBench：用于评估大型语言模型阿拉伯语语言能力的人工标注基准

Mohammad Zbib, Hasan Abed Al Kader Hammoud, Sina Mukalled, et al.

Think-at-Hard：通过选择性潜在迭代提升推理型语言模型

Think-at-Hard：通过选择性潜在迭代提升推理型语言模型

Tianyu Fu, Yichen You, Zekai Chen, et al.

HumanSense：从多模态感知到通过推理实现共情的上下文感知响应的MLLMs

HumanSense：从多模态感知到通过推理实现共情的上下文感知响应的MLLMs

Zheng Qin, Ruobing Zheng, Yabing Wang, et al.

CamCloneMaster：实现基于参考的相机控制用于视频生成

CamCloneMaster：实现基于参考的相机控制用于视频生成

Yawen Luo, Jianhong Bai, Xiaoyu Shi, et al.

EditScore：通过高保真奖励建模解锁图像编辑中的在线RL

EditScore：通过高保真奖励建模解锁图像编辑中的在线RL

Xin Luo, Jiahao Wang, Chenyuan Wu, et al.

InteractMove：基于文本控制的3D场景中可移动物体的人-物交互生成

InteractMove：基于文本控制的3D场景中可移动物体的人-物交互生成

机器人技术

Xinhao Cai, Minghang Zheng, Xin Jin, et al.

WebCoach：具有跨会话记忆引导的自演化Web Agent

WebCoach：具有跨会话记忆引导的自演化Web Agent

Genglin Liu, Shijie Geng, Sha Li, et al.

信任的学习：在序列决策中对不同建议者可靠性进行贝叶斯自适应

信任的学习：在序列决策中对不同建议者可靠性进行贝叶斯自适应

Dylan M. Asmar, Mykel J. Kochenderfer

GroupRank：一种由强化学习驱动的分组重排序范式

GroupRank：一种由强化学习驱动的分组重排序范式

检索增强生成

Duolin Sun, Meixiu Long, Dan Yang, et al.

MMaDA-Parallel：面向思维感知编辑与生成的多模态大扩散语言模型

MMaDA-Parallel：面向思维感知编辑与生成的多模态大扩散语言模型

Ye Tian, Ling Yang, Jiongfan Yang, et al.

TiViBench：面向视频生成模型的视频思维推理基准测试

TiViBench：面向视频生成模型的视频思维推理基准测试

Harold Haodong Chen, Disen Lan, Wen-Jie Shu, et al.

Part-X-MLLM：面向部件感知的3D多模态大语言模型

Part-X-MLLM：面向部件感知的3D多模态大语言模型

统一多模态

Chunshi Wang, Junliang Ye, Yunhan Yang, et al.