论文
每日更新的前沿 AI 研究论文，助您把握人工智能最新动向
Echo-4o：利用GPT-4o合成图像提升图像生成性能
Junyan Ye, Dongzhi Jiang, Zihao Wang, et al.
13 天前
Story2Board：一种无需训练的富有表现力的分镜生成方法
David Dinkevich, Matan Levy, Omri Avrahami, et al.
12 天前
VisCodex：通过融合视觉与编码模型实现统一的多模态代码生成
Lingjie Jiang, Shaohan Huang, Xun Wu, et al.
13 天前
AWorld：具有稳定机动性的动态多Agent系统，用于鲁棒的GAIA问题求解
Zhitian Xie, Qintong Wu, Chengyue Yu, et al.
12 天前
PRELUDE：一个旨在要求对长上下文进行全局理解与推理的基准
Mo Yu, Tsz Ting Chung, Chulun Zhou, et al.
9 天前
看、听、记、思：具备长期记忆的多模态Agent
Lin Long, Yichen He, Wentao Ye, et al.
12 天前
RelayFormer：一种用于可扩展图像与视频操纵定位的统一局部-全局注意力框架
Wen Huang, Jiarui Yang, Tao Dai, et al.
12 天前
扩散型LLM可通过离散扩散强制实现快于自回归的推理
Xu Wang, Chenkai Xu, Yijie Jin, et al.
12 天前
时间是一种特征：在扩散语言模型中利用时间动态特性
Wen Wang, Bozhen Fang, Chenchen Jing, et al.
13 天前
无需训练的文本引导多模态扩散Transformer颜色编辑
Zixin Yin, Xili Dai, Ling-Hao Chen, et al.
6 天前
OpenCUA：面向计算机使用智能体的开源基础
Xinyuan Wang, Bowen Wang, Dunjie Lu, et al.
14 小时前
内在记忆智能体：通过结构化上下文记忆实现的异构多智能体LLM系统
Sizhe Yuen, Francisco Gomez Medina, Ting Su, et al.
14 天前
基于用户画像感知的LLM-as-a-Judge的播客推荐评估
Francesco Fabbri, Gustavo Penha, Edoardo D', et al.
6 天前
Mol-R1：面向分子发现中显式长链思维推理
Jiatong Li, Weida Wang, Qinggang Zhang, et al.
12 天前
ODYSSEY：面向长时程任务的开放世界四足动物探索与操作
Kaijun Wang, Liqin Lu, Mingyu Liu, et al.
1 天前
PyVeritas：基于LLM的转译与C语言的有界模型检测的Python验证
Pedro Orvalho, Marta Kwiatkowska
14 天前
HierSearch：一种集成本地搜索与网络搜索的分层企业深度搜索框架
Jiejun Tan, Zhicheng Dou, Yan Yu, et al.
13 天前
Matrix-3D：全向可探索的3D世界生成
Zhongqi Yang, Wenhang Ge, Yuqi Li, et al.
13 天前
AdaptFlow：基于元学习的自适应工作流优化
Runchuan Zhu, Bowen Jiang, Lingrui Mei, et al.
15 天前
WideSearch：面向智能体的广域信息搜索基准测试
Ryan Wong, Jiawei Wang, Junjie Zhao, et al.
14 天前
全效应：统一且空间可控制的视觉效果生成
Fangyuan Mao, Aiming Hao, Jintao Chen, et al.
14 天前
超越十轮：基于大规模异步强化学习的长周期智能体搜索
Jiaxuan Gao, Wei Fu, Minyang Xie, et al.
13 天前
替身：一种轻量级且即插即用的视频生成身份控制方法
Bowen Xue, Qixin Yan, Wenjing Wang, et al.
12 天前
弱监督可操作性定位中的选择性对比学习
WonJun Moon, Hyun Seok Seong, Jae-Pil Heo
1 天前
Klear-Reasoner：通过梯度保真裁剪策略优化提升推理能力
Zhenpeng Su, Leiyu Pan, Xue Bai, et al.
14 天前
用文化知识对多语言多模态LLM进行接地
Jean de Dieu Nyandwi, Yueqi Song, Simran Khanuja, et al.
8 天前
CharacterShot：可控且一致的4D角色动画
Junyao Gao, Jiaxing Li, Wenran Liu, et al.
13 天前
ReasonRank：通过强大的推理能力赋能段落排序
Wenhan Liu, Xinyu Ma, Weiwei Sun, et al.
14 天前
MultiRef：基于多个视觉参考的可控图像生成
Ruoxi Chen, Dongping Chen, Siyuan Wu, et al.
6 天前
Memp：探索Agent程序记忆
Runnan Fang, Yuan Liang, Xiaobin Wang, et al.
15 天前