⏶
88
CLIMB: 基于聚类的迭代数据混合自举法用于语言模型预训练
⏶
59
反蒸馏采样
⏶
48
在用于视频生成的下一帧预测模型中打包输入帧上下文
⏶
39
生成，但要验证：通过回顾性重采样减少视觉语言模型中的幻觉
⏶
32
感知编码器：最佳的视觉嵌入并非位于网络的输出
⏶
30
WORLDMEM: 基于记忆的长期一致世界模拟
⏶
28
70% 大小，100% 准确率：通过动态长度浮点数实现高效 GPU 推理的无损 LLM 压缩
⏶
27
小型LLM在数据合成中的战略协调框架与大型LLM相匹配
⏶
21
VistaDPO: 用于大型视频模型的视频分层时空直接偏好优化
⏶
21
ChartQAPro: 一个更多样化和更具挑战性的图表问答基准
⏶
19
DMM: 通过基于蒸馏的模型合并构建通用的图像生成模型
⏶
19
NoisyRollout：通过数据增强强化视觉推理
