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

利用STATE预测细胞在不同环境下对扰动的反应

利用STATE预测细胞在不同环境下对扰动的反应

Abhinav K. Adduri, Dhruv Gautam, Beatrice Bevilacqua, et al.

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

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

机器人技术

Guang Yin, Yitong Li, Yixuan Wang, et al.

优化多语言文本转语音技术以包含口音和情感

优化多语言文本转语音技术以包含口音和情感

统一多模态

Pawar, Pranav, Dwivedi, et al.

VIKI-R：通过强化学习协调具身多智能体合作

VIKI-R：通过强化学习协调具身多智能体合作

Kang, Li, Song, et al.

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

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

Zhao, Tianchen, Hong, et al.

视觉引导的分块是你所需要的：增强RAG的多模态文档理解

视觉引导的分块是你所需要的：增强RAG的多模态文档理解

检索增强生成

Tripathi, Vishesh, Odapally, et al.

拖放式LLM：零样本提示到权重

拖放式LLM：零样本提示到权重

Liang, Zhiyuan, Tang, et al.

进化缓存加速现成扩散模型

进化缓存加速现成扩散模型

Aggarwal, Anirud, Shrivastava, et al.

RE-IMAGINE：用于推理评估的符号基准合成

RE-IMAGINE：用于推理评估的符号基准合成

Xu, Xinnuo, Lawrence, et al.

SonicVerse：基于音乐特征的多任务学习字幕生成

SonicVerse：基于音乐特征的多任务学习字幕生成

Chopra, Anuradha, Roy, et al.

并非一切尽失：无需检查点的LLM恢复

并非一切尽失：无需检查点的LLM恢复

Blagoev, Nikolay, Ersoy, et al.

日晷：一系列功能强大的时间序列基础模型

日晷：一系列功能强大的时间序列基础模型

Yong Liu, Guo Qin, Zhiyuan Shi, et al.

ADRD：基于规则决策系统的LLM驱动自主驾驶

ADRD：基于规则决策系统的LLM驱动自主驾驶

Fanzhi Zeng, Siqi Wang, Chuzhao Zhu, et al.

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

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

Chengzhi Xu, Yuyang Wang, Lai Wei, et al.

Show-O2：改进的原生统一多模态模型

Show-O2：改进的原生统一多模态模型

统一多模态

多模态表征

Jinheng Xie, Zhenheng Yang, Mike Zheng Shou

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

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

Zhoujun Cheng, Shibo Hao, Tianyang Liu, et al.

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

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

Ulzee An, Moonseong Jeong, Simon Austin Lee, et al.

EmoNet-Voice：用于语音情感检测的细粒度、专家验证基准数据集

EmoNet-Voice：用于语音情感检测的细粒度、专家验证基准数据集

Christoph Schuhmann, Robert Kaczmarczyk, Gollam Rabby, et al.

s1：简单测试时缩放

s1：简单测试时缩放

监督式微调

Niklas Muennighoff, Zitong Yang, Weijia Shi, et al.

Search-o1：代理增强型搜索大推理模型

Search-o1：代理增强型搜索大推理模型

检索增强生成

Xiaoxi Li, Guanting Dong, Jiajie Jin, et al.

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

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

统一多模态

Shaolei Zhang, Qingkai Fang, Zhe Yang, et al.

MAmmoTH-VL：通过大规模指令微调激发多模态推理

MAmmoTH-VL：通过大规模指令微调激发多模态推理

Jarvis Guo, Tuney Zheng, Yuelin Bai, et al.

ShowUI：面向GUI视觉Agent的统一视觉-语言-动作模型

ShowUI：面向GUI视觉Agent的统一视觉-语言-动作模型

Kevin Qinghong Lin, Linjie Li, Difei Gao, et al.

OS-ATLAS：用于通用GUI Agent的基础动作模型

OS-ATLAS：用于通用GUI Agent的基础动作模型

Zhiyong Wu, Zhenyu Wu, Fangzhi Xu, et al.

GPT-4o 系统卡

GPT-4o 系统卡

统一多模态

OpenAI, Aaron Hurst, Adam Lerer, et al.

SAM2Long：通过无训练记忆树增强SAM 2的长视频分割能力

SAM2Long：通过无训练记忆树增强SAM 2的长视频分割能力

Shuangrui Ding, Rui Qian, Xiaoyi Dong, et al.

Aria：一个开放的多模态原生专家混合模型

Aria：一个开放的多模态原生专家混合模型

统一多模态

Dongxu Li, Yudong Liu, Haoning Wu, et al.

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

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

统一多模态

Peng Wang, Shuai Bai, Sinan Tan, et al.

VGGT：视觉几何接地 Transformer

VGGT：视觉几何接地 Transformer

机器视觉 3D

Jianyuan Wang, Minghao Chen, Nikita Karaev, et al.

通过单步奖励实现多轮代码生成

通过单步奖励实现多轮代码生成

Arnav Kumar Jain, Gonzalo Gonzalez-Pumariega, Wayne Chen, et al.

重新审视大型语言模型的组合泛化能力及其指令遵循能力

重新审视大型语言模型的组合泛化能力及其指令遵循能力

Yusuke Sakai, Hidetaka Kamigaito, Taro Watanabe

具身网络代理：弥合物理-数字领域以实现集成代理智能

具身网络代理：弥合物理-数字领域以实现集成代理智能

Yining Hong, Rui Sun, Bingxuan Li, et al.

利用STATE预测细胞在不同环境下对扰动的反应

利用STATE预测细胞在不同环境下对扰动的反应

Abhinav K. Adduri, Dhruv Gautam, Beatrice Bevilacqua, et al.

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

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

机器人技术

Guang Yin, Yitong Li, Yixuan Wang, et al.

优化多语言文本转语音技术以包含口音和情感

优化多语言文本转语音技术以包含口音和情感

统一多模态

Pawar, Pranav, Dwivedi, et al.

VIKI-R：通过强化学习协调具身多智能体合作

VIKI-R：通过强化学习协调具身多智能体合作

Kang, Li, Song, et al.

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

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

Zhao, Tianchen, Hong, et al.

视觉引导的分块是你所需要的：增强RAG的多模态文档理解

视觉引导的分块是你所需要的：增强RAG的多模态文档理解

检索增强生成

Tripathi, Vishesh, Odapally, et al.

拖放式LLM：零样本提示到权重

拖放式LLM：零样本提示到权重

Liang, Zhiyuan, Tang, et al.

进化缓存加速现成扩散模型

进化缓存加速现成扩散模型

Aggarwal, Anirud, Shrivastava, et al.

RE-IMAGINE：用于推理评估的符号基准合成

RE-IMAGINE：用于推理评估的符号基准合成

Xu, Xinnuo, Lawrence, et al.

SonicVerse：基于音乐特征的多任务学习字幕生成

SonicVerse：基于音乐特征的多任务学习字幕生成

Chopra, Anuradha, Roy, et al.

并非一切尽失：无需检查点的LLM恢复

并非一切尽失：无需检查点的LLM恢复

Blagoev, Nikolay, Ersoy, et al.

日晷：一系列功能强大的时间序列基础模型

日晷：一系列功能强大的时间序列基础模型

Yong Liu, Guo Qin, Zhiyuan Shi, et al.

ADRD：基于规则决策系统的LLM驱动自主驾驶

ADRD：基于规则决策系统的LLM驱动自主驾驶

Fanzhi Zeng, Siqi Wang, Chuzhao Zhu, et al.

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

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

Chengzhi Xu, Yuyang Wang, Lai Wei, et al.

Show-O2：改进的原生统一多模态模型

Show-O2：改进的原生统一多模态模型

统一多模态

多模态表征

Jinheng Xie, Zhenheng Yang, Mike Zheng Shou

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

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

Zhoujun Cheng, Shibo Hao, Tianyang Liu, et al.

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

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

Ulzee An, Moonseong Jeong, Simon Austin Lee, et al.

EmoNet-Voice：用于语音情感检测的细粒度、专家验证基准数据集

EmoNet-Voice：用于语音情感检测的细粒度、专家验证基准数据集

Christoph Schuhmann, Robert Kaczmarczyk, Gollam Rabby, et al.

s1：简单测试时缩放

s1：简单测试时缩放

监督式微调

Niklas Muennighoff, Zitong Yang, Weijia Shi, et al.

Search-o1：代理增强型搜索大推理模型

Search-o1：代理增强型搜索大推理模型

检索增强生成

Xiaoxi Li, Guanting Dong, Jiajie Jin, et al.

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

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

统一多模态

Shaolei Zhang, Qingkai Fang, Zhe Yang, et al.

MAmmoTH-VL：通过大规模指令微调激发多模态推理

MAmmoTH-VL：通过大规模指令微调激发多模态推理

Jarvis Guo, Tuney Zheng, Yuelin Bai, et al.

ShowUI：面向GUI视觉Agent的统一视觉-语言-动作模型

ShowUI：面向GUI视觉Agent的统一视觉-语言-动作模型

Kevin Qinghong Lin, Linjie Li, Difei Gao, et al.

OS-ATLAS：用于通用GUI Agent的基础动作模型

OS-ATLAS：用于通用GUI Agent的基础动作模型

Zhiyong Wu, Zhenyu Wu, Fangzhi Xu, et al.

GPT-4o 系统卡

GPT-4o 系统卡

统一多模态

OpenAI, Aaron Hurst, Adam Lerer, et al.

SAM2Long：通过无训练记忆树增强SAM 2的长视频分割能力

SAM2Long：通过无训练记忆树增强SAM 2的长视频分割能力

Shuangrui Ding, Rui Qian, Xiaoyi Dong, et al.

Aria：一个开放的多模态原生专家混合模型

Aria：一个开放的多模态原生专家混合模型

统一多模态

Dongxu Li, Yudong Liu, Haoning Wu, et al.

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

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

统一多模态

Peng Wang, Shuai Bai, Sinan Tan, et al.

VGGT：视觉几何接地 Transformer

VGGT：视觉几何接地 Transformer

机器视觉 3D

Jianyuan Wang, Minghao Chen, Nikita Karaev, et al.

通过单步奖励实现多轮代码生成

通过单步奖励实现多轮代码生成

Arnav Kumar Jain, Gonzalo Gonzalez-Pumariega, Wayne Chen, et al.

重新审视大型语言模型的组合泛化能力及其指令遵循能力

重新审视大型语言模型的组合泛化能力及其指令遵循能力

Yusuke Sakai, Hidetaka Kamigaito, Taro Watanabe

具身网络代理：弥合物理-数字领域以实现集成代理智能

具身网络代理：弥合物理-数字领域以实现集成代理智能

Yining Hong, Rui Sun, Bingxuan Li, et al.