每日论文

MiniMax-Speech：具有可学习说话人编码器的固有零样本文本转语音

采用对抗性后训练的快速文本到音频生成

AM-Thinking-v1：推进 32B 规模推理能力的前沿

Aya Vision：推进多语言多模态新境界

用于评估和改进大型语言模型指令遵循的多维约束框架

利用生成游戏测量通用智能

理性赋能视觉：通过模型合并理解感知和推理

提升阿拉伯语反向词典系统：一种基于 Transformer 的方法及其数据集构建指南

NavDP：学习具有特权信息引导的 Sim-to-Real 导航扩散策略

TRAIL：智能体问题跟踪与定位

SkillFormer：统一的多视角视频理解用于熟练度评估

优化检索增强生成：超参数对性能和效率的影响分析

记忆-压缩循环提高泛化能力

ViMRHP：一个用于通过人机协作标注进行多模态评论有用性预测的越南基准数据集

测试即提示：一个面向LLM代码生成的测试驱动开发基准