⏶
122
Chain-of-Agents：通过多智能体蒸馏和智能体强化学习实现端到端智能体基础模型
⏶
57
LongSplat：用于休闲长视频的鲁棒无姿态3D高斯飞溅
⏶
44
提示编排标记语言
⏶
20
MultiRef: 基于多视觉参考的可控图像生成
⏶
17
MM-BrowseComp：用于多模态浏览代理的综合基准测试
⏶
16
OmniTry：无需蒙版的万物虚拟试穿
⏶
16
免训练文本引导的多模态扩散 Transformer 颜色编辑
⏶
16
Embodied-R1：用于通用机器人操作的强化具身推理
⏶
15
使用配置文件感知型大型语言模型作为评估器来评估播客推荐
⏶
14
生成过程需谨慎：LLM生成过程中的细粒度置信度估计
⏶
13
利用大型语言模型对人类苦难进行预测分析
⏶
13
语音分离的进展：技术、挑战和未来趋势
⏶
11
及时行事事半功倍：语言模型的积极自我完善
⏶
10
TempFlow-GRPO: 流动模型中 GRPO 的时效性研究
⏶
7
MMAU-Pro：用于音频通用智能整体评估的具有挑战性且全面的基准
⏶
6
CAMAR：连续动作多智能体路由
⏶
5
大型语言模型版权保护：方法、挑战和趋势综述
⏶
5
利用多模态大型语言模型描述所见内容，以增强视频推荐
