⏶
117
MemOS: 专为AI系统设计的内存操作系统
⏶
74
我们是否仍然需要用掩码语言模型预训练编码器？
⏶
39
4DSloMo：针对异步捕获高速场景的4D重建
⏶
39
DreamVLA：一个融合了全面世界知识的视觉-语言-动作模型
⏶
35
预训练策略判别器是通用奖励模型
⏶
29
Easy Dataset：一个用于从非结构化文档中合成LLM微调数据的统一且可扩展的框架
⏶
27
StreamDiT: 实时流媒体文本到视频生成
⏶
26
RoboBrain 2.0 技术报告
⏶
23
BMMR：一个大规模双语多模态多学科推理数据集
⏶
18
RefineX：从专家指导程序中大规模学习精炼预训练数据
⏶
15
VLM2Vec-V2：推进视频、图像和视觉文档的多模态嵌入
⏶
15
OmniDraft：一种用于设备端推测解码的跨词汇在线自适应起草器
⏶
15
论视觉嵌入的可排序性
⏶
12
活化文化遗产：一种全面的历史文献修复新颖方法
⏶
11
UnMix-NeRF：光谱解混遇上神经辐射场
⏶
11
通过增量多轮交互评估大型语言模型智能体的记忆能力
⏶
8
ArtifactsBench：弥合LLM代码生成评估中的视觉交互鸿沟
⏶
8
PresentAgent：用于演示视频生成的多模态智能体
