⏶
66
EvoCUA：通过可扩展合成经验学习进化计算机使用智能体
⏶
57
HERMES：将 KV 缓存作为分层存储用于高效流式视频理解
⏶
55
灵活性陷阱：为什么任意顺序会限制扩散语言模型的推理潜力
⏶
52
沙盒中的大语言模型（LLM-in-Sandbox）激发通用智能体能力
⏶
51
BayesianVLA：通过潜动作查询对视觉-语言-动作模型进行贝叶斯分解
⏶
43
使用表示自编码器扩展文本到图像扩散 Transformer
⏶
43
Stable-DiffCoder：推动代码扩散大语言模型的边界
⏶
33
SAMTok：用两个词表示任意掩码
⏶
28
在测试时学习发现
⏶
24
Qwen3-TTS 技术报告
⏶
20
Terminal-Bench：在命令行界面中评估处理困难且真实任务的智能体
⏶
14
OpenVision 3：一个兼顾理解与生成的统一视觉编码器系列
⏶
13
重新思考组合图像检索评估：一个来自图像编辑的细粒度基准测试
⏶
13
大模型时代下的自动化内核生成研究
⏶
10
PROGRESSLM：迈向视觉语言模型中的进度推理
⏶
9
Cosmos Policy：微调视频模型以进行视觉运动控制和规划
⏶
9
VideoMaMa：通过生成式先验进行的掩码引导视频抠图
⏶
7
ActionMesh：利用时空 3D 扩散生成动画 3D 网格
