⏶
66
FlashWorld：在几秒钟内生成高质量的 3D 场景
⏶
60
UniMoE-Audio：通过动态容量 MoE 实现统一的语音和音乐生成
⏶
54
注意力照亮大模型推理：预规划与锚定节奏赋能细粒度策略优化
⏶
46
Bee：一个高质量语料库和全栈套件，用于解锁高级全开源 MLLM
⏶
42
LIBERO-Plus：视觉-语言-动作模型的深入鲁棒性分析
⏶
35
PhysMaster：通过强化学习掌握视频生成物理表征
⏶
30
Trace Anything：通过轨迹场在 4D 中表示任何视频
⏶
28
InteractiveOmni: 一个统一的全模态模型，用于音频-视觉多轮对话
⏶
27
大规模语言模型（LLM）强化学习计算的艺术
⏶
26
ParallelBench：理解扩散 LLM 中并行解码的权衡
⏶
25
齐心协力：用于协作式大型语言模型的在线强化学习
⏶
24
生成式通用验证器作为多模态元推理器
⏶
23
CVD-STORM：用于自动驾驶的跨视图视频扩散和时空重建模型
⏶
16
InternVLA-M1：一个用于通才机器人策略的空间引导视觉-语言-动作框架
⏶
14
通过在世界中的基础进行空间推理
⏶
13
计算资源在出版基础模型研究中的作用
⏶
13
X-VLA：软提示Transformer作为可扩展的跨具身视觉-语言-动作模型
⏶
11
UniME-V2：MLLM 作为通用多模态嵌入学习的裁判
⏶
10
基于掩码降质分类的通用图像修复预训练
⏶
10
生成式搜索引擎的偏好以及如何协同优化网络内容
⏶
9
Uni-MMMU：一个海量跨学科多模态统一基准
⏶
8
重新审视模型插值以实现高效推理
⏶
8
FG-CLIP 2：一个双语细粒度视觉语言对齐模型
⏶
6
少即是多：通过最少的测试时干预来改进 LLM 推理
⏶
5
直接多令牌解码
⏶
4
Hard2Verify：面向开放式前沿数学的步进式验证基准
⏶
4
NOSA：原生且可卸载的稀疏注意力
⏶
4
CoIRL-AD：用于自动驾驶的潜世界模型中的协作-竞争模仿-强化学习
⏶
4
HyperAgent：利用超图进行多智能体通信中的拓扑优化
⏶
4
通过玩随机玩具学习掌握任何东西
⏶
2
MTSQL-R1：通过代理训练实现长程多轮文本到 SQL
⏶
2
GraphTracer：用于鲁棒性多轮深度搜索的 LLM 智能体的图引导故障追踪
⏶
2
不要扔掉你的预训练模型
⏶
2
KVCOMM：用于高效 LLM 多代理系统的在线跨上下文 KV 缓存通信
⏶
1
点提示：使用视频扩散模型的反事实跟踪
⏶
1
分层频率标记探针 (HFTP)：一种统一的方法来研究大型语言模型和人脑中的句法结构表征
