每日论文

RepText：通过复制渲染可视化文本

LLM中的临床知识无法转化为人际互动

手机自动化中的LLM驱动GUI智能体：进展与前景综述

CipherBank：通过密码学挑战探索LLM推理能力的边界

SPC：通过对抗性博弈演化自博弈评论员以增强LLM推理能力

Mem0：构建具备可扩展长期记忆的生产级AI智能体

具有显式视觉依赖的多模态数学推理基准测试

采用等变抗锯齿的组下采样

MMInference：通过模态感知置换稀疏注意力加速长上下文VLM的预填充

基于提示控制的多功能歌曲生成框架

NORA：一个用于具身任务的小型开源通用型视觉-语言-动作模型

TrustGeoGen：可扩展且形式化验证的数据引擎，用于可信的多模态几何问题求解

ICL CIPHERS：通过替换密码量化语境学习中的“学习”

ChiseLLM：释放推理大语言模型的强大力量，助力Chisel敏捷硬件开发