ChatPaper.aiChatPaper.ai
Accueil

arXiv

HuggingFace

TarifsCompteEspace de travail

•
•

•
•

•
•

•
•

•
•

Footer

Company name

ChatPaper.ai: Your advanced AI reading assistant.

Contact us: [email protected]

X (Twitter)

Products

  • AI Search
  • AI Mind Map
  • Arxiv Summary
  • Huggingface Summary

Support

  • FAQ
  • Contact

Company

  • Blog
  • Privacy Policy
  • Terms of Service

Available Languages

  • 🇬🇧English
  • 🇨🇳中文简体
  • 🇭🇰繁體中文
  • 🇯🇵日本語
  • 🇰🇷한국어
  • 🇩🇪Deutsch
  • 🇫🇷Français
  • 🇷🇺Русский
  • 🇪🇸Español

© 2025 chatpaper.ai All rights reserved.

Articles de Recherche en IA Quotidiens

Articles de recherche en IA sélectionnés quotidiennement avec traductions

Ne laissez aucun contexte de côté : Transformers à contexte infini efficaces avec Infini-attention
Leave No Context Behind: Efficient Infinite Context Transformers with Infini-attention

Tsendsuren Munkhdalai, Manaal Faruqui, Siddharth Gopal•Apr 10, 2024•11013

JetMoE : Atteindre les performances de Llama2 avec 0,1 million de dollars
JetMoE: Reaching Llama2 Performance with 0.1M Dollars

Yikang Shen, Zhen Guo, Tianle Cai, Zengyi Qin•Apr 11, 2024•394

RULER : Quelle est la véritable taille de contexte de vos modèles de langage à contexte étendu ?
RULER: What's the Real Context Size of Your Long-Context Language Models?

Cheng-Ping Hsieh, Simeng Sun, Samuel Kriman, Shantanu Acharya, Dima Rekesh, Fei Jia, Boris Ginsburg•Apr 9, 2024•383

RealmDreamer : Génération de scènes 3D pilotée par texte avec inpainting et diffusion de profondeur
RealmDreamer: Text-Driven 3D Scene Generation with Inpainting and Depth Diffusion

Jaidev Shriram, Alex Trevithick, Lingjie Liu, Ravi Ramamoorthi•Apr 10, 2024•282

Des mots aux nombres : votre modèle de langage massif est secrètement un régresseur compétent lorsqu'il reçoit des exemples en contexte
From Words to Numbers: Your Large Language Model Is Secretly A Capable Regressor When Given In-Context Examples

Robert Vacareanu, Vlad-Andrei Negru, Vasile Suciu, Mihai Surdeanu•Apr 11, 2024•211

BRAVE : Élargissement de l'encodage visuel des modèles vision-langage
BRAVE: Broadening the visual encoding of vision-language models

Oğuzhan Fatih Kar, Alessio Tonioni, Petra Poklukar, Achin Kulshrestha, Amir Zamir, Federico Tombari•Apr 10, 2024•191

DreamScene360 : Génération de scènes 3D non contraintes à partir de texte avec projection panoramique de splats gaussiens
DreamScene360: Unconstrained Text-to-3D Scene Generation with Panoramic Gaussian Splatting

Shijie Zhou, Zhiwen Fan, Dejia Xu, Haoran Chang, Pradyumna Chari, Tejas Bharadwaj, Suya You, Zhangyang Wang, Achuta Kadambi•Apr 10, 2024•193

Adapter le décodeur LLaMA au Vision Transformer
Adapting LLaMA Decoder to Vision Transformer

Jiahao Wang, Wenqi Shao, Mengzhao Chen, Chengyue Wu, Yong Liu, Kaipeng Zhang, Songyang Zhang, Kai Chen, Ping Luo•Apr 10, 2024•181

Dialogues audio : Ensemble de données de dialogues pour la compréhension de l'audio et de la musique
Audio Dialogues: Dialogues dataset for audio and music understanding

Arushi Goel, Zhifeng Kong, Rafael Valle, Bryan Catanzaro•Apr 11, 2024•161

Efficacité transférable et fondée sur des principes pour la segmentation à vocabulaire ouvert
Transferable and Principled Efficiency for Open-Vocabulary Segmentation

Jingxuan Xu, Wuyang Chen, Yao Zhao, Yunchao Wei•Apr 11, 2024•121