⏶
139
空间强制：视觉-语言-动作模型的隐式空间表征对齐
⏶
104
通过自监督预训练推进端到端像素空间生成建模
⏶
94
DITING：用于基准测试网络小说翻译的多代理评估框架
⏶
94
缩放以语言为中心的全模态表示学习
⏶
80
机器人学习：教程
⏶
45
大型语言模型中的情绪编码调查
⏶
42
通过下一个点预测检测任何事物
⏶
34
RAG-Anything：全能型 RAG 框架
⏶
33
FlashVSR：面向实时基于扩散的流式视频超分辨率
⏶
30
Dr.LLM：LLM中的动态层路由
⏶
29
时间对齐指导：扩散模型中的流形采样
⏶
25
ERA：通过具身先验学习和在线强化学习将 VLMs 转化为具身代理
⏶
21
R-WoM：用于计算机使用代理的可检索增强世界模型
⏶
19
SRUM：统一多模态模型的细粒度自我奖励
⏶
15
UniFusion：视语模型作为图像生成的统一编码器
⏶
15
口头采样：如何缓解模式崩溃并解锁 LLM 的多样性
⏶
14
记忆即行动：面向长距离代理任务的自主上下文策划
⏶
14
解构注意力：探究有效语言模型的设计原则
⏶
12
基于边界的策略优化，用于扩散大型语言模型的高效强化学习
⏶
12
DeepMMSearch-R1：赋能多模态 LLM 进行多模态网络搜索
⏶
10
SAIL-Embedding 技术报告：全模态嵌入基础模型
⏶
9
HoneyBee：视语推理器的数据配方
⏶
8
ContextGen: 身份一致的多实例生成的上下文布局锚定
⏶
5
假如：通过稀疏交互理解运动
⏶
5
张量逻辑：人工智能的语言
⏶
5
推理的几何学：表示空间中的流动逻辑
⏶
5
连续上下文：基于指令的图像编辑的连续强度控制
⏶
4
机器翻译的 LLM 推理：关于思维令牌的合成数据生成
⏶
4
一生学习：从无指导探索中推断随机环境的符号世界模型
⏶
4
MLLM 作为 UI 裁判：对多模态 LLM 进行基准测试，以预测人类对用户界面的感知
⏶
4
谨慎的权重衰减
⏶
3
ExpVid: 实验视频理解与推理基准
⏶
3
SR-Scientist：使用代理人工智能进行科学方程发现
⏶
3
通过上下文折叠扩展长视界 LLM 代理
⏶
3
通过端到端基于摘要的上下文管理来扩展 LLM 多轮强化学习
⏶
2
ViCO：一种面向语义感知动态高分辨率的训练策略
