每日论文

WebSailor：驾驭超人推理的 Web 代理

使用图像进行多模态推理的思考：基础、方法和未来前沿

LangScene-X：通过三映射视频扩散重建可泛化的 3D 语言嵌入场景

基于能量的Transformer是可扩展的学习者和思考者

Skywork-Reward-V2：通过人机协同扩展偏好数据管理

倾听内在声音：通过中间特征反馈对齐 ControlNet 训练

IntFold: 用于通用和专业生物分子结构预测的可控基础模型

快速且简单：Triton 中的 2-单纯形注意力

解耦规划与执行：用于深度搜索的分层推理框架

大型语言模型可以识别科学研究中的关键局限性吗？人工智能研究论文的系统评估

布尔巴基：用于定理证明的自生成和目标条件 MDP

ZeCO: 零通信开销的线性注意力序列并行

自我纠正基准：揭示并解决大型语言模型中的自我纠正盲点

选择与合并：迈向基于大型语言模型的可适应和可扩展命名实体识别

AsyncFlow：一个用于高效LLM后训练的异步流式RL框架

HalluSegBench: 反事实视觉推理用于分割幻觉评估

CRISP-SAM2：结合跨模态交互和语义提示的SAM2，用于多器官分割