⏶
69
Spatial-TTT：通过测试时训练实现的流式视觉空间智能
⏶
49
策略性导航还是随机搜索？智能体与人类如何在文档集合中进行推理
⏶
36
IndexCache：通过跨层索引复用加速稀疏注意力
⏶
34
面向计算机操作智能体的视频奖励建模
⏶
28
ShotVerse：推进文本驱动多镜头视频生成的电影级摄影机控制
⏶
26
DreamVideo-Omni：利用潜空间身份强化学习实现全运动控制的多主体视频定制
⏶
22
Trust Your Critic：面向忠实图像编辑与生成的鲁棒奖励建模与强化学习
⏶
20
XSkill：多模态智能体中基于经验与技能的持续学习
⏶
18
DVD：基于生成先验的确定性视频深度估计
⏶
15
WeEdit：一个以文本为中心的图像编辑数据集、基准测试及字形引导框架
⏶
14
GRADE：图像编辑中基于学科知识推理的基准测试
⏶
13
一个模型，多种预算：用于扩散 Transformer 的弹性潜空间接口
⏶
12
CREATE：测试大语言模型的联想创造力
⏶
10
EVATok：用于高效视觉自回归生成的自适应长度视频分词
⏶
10
RubiCap：基于评分量表指导的强化学习在密集图像描述中的应用
⏶
9
OmniStream：精通连续流中的感知、重建与行动
⏶
9
EndoCoT：在扩散模型中扩展内源性思维链推理
⏶
7
Mobile-GS：面向移动设备的实时高斯溅射
⏶
6
视频推理模型准备好走向户外了吗？
⏶
6
通过重建来理解：为 LLM 预训练逆向软件开发过程
⏶
6
FP4 量化 LLM 训练中均值偏差的诅咒与福音
⏶
6
基于自我反思的元强化学习在智能体搜索中的应用
⏶
5
Accent Vector：无需口音数据即可实现多语言 TTS 的可控口音操纵
⏶
4
DIVE：在智能体任务合成中扩展多样性以实现通用工具使用
⏶
4
在不可验证的 LLM 后训练中检验“推理 LLM 作为裁判”的效果
⏶
4
高性能强化学习环境的自动生成
⏶
4
通过加权 h-变换采样实现粗略引导的视觉生成
⏶
4
Tiny Aya：桥接规模与多语言深度
⏶
4
FireRedASR2S：最先进的工业级一体化自动语音识别系统
⏶
4
用于扩散模型的几何自编码器
⏶
4
PACED：处于学生能力前沿的知识蒸馏
⏶
4
通过神经元细胞自动机训练语言模型
⏶
3
SoundWeaver：文本转音频扩散推理服务的语义预热
⏶
3
用于增强多模态 LLM 裁判的多任务强化学习
⏶
3
神经丛（Neural Thickets）：多元任务专家密集分布在预训练权重周围
⏶
2
TeamHOI：学习适用于任意团队规模的协作式人机交互统一策略
