每日论文

大型语言模型的语境工程综述

VisionThink：通过强化学习实现的智能高效视觉语言模型

π^3：可扩展的排列等变视觉几何学习

Diffuman4D：基于时空扩散模型从稀疏视图视频合成4D一致人体视图

模仿游戏：图灵机模仿器是长度可泛化的推理器

AnyCap 项目：一个用于可控全模态描述的统一框架、数据集和基准

RiemannLoRA: 用于无歧义 LoRA 优化的统一黎曼框架

MindJourney：利用世界模型进行测试时扩展以实现空间推理

Voxtral

FantasyPortrait: 通过表情增强的扩散Transformer增强多人物肖像动画

AbGen：评估大型语言模型在科学研究中消融研究设计和评估方面的能力

通过提升方法使旧SAE掌握新的领域技巧

FLEXITOKENS：适用于演进语言模型的灵活分词方案

爱因斯坦场：计算广义相对论的神经网络视角

TLB-VFI: 时间感知潜在布朗桥扩散用于视频帧插值

为安全多模态大型语言模型实现自动化引导