ChatPaper.ai
メニューを開く
ホーム
今日の論文
arXiv
HuggingFace
料金プラン
アカウント
ワークスペース
🇯🇵
日本語
Loading...
•
•
•
•
•
•
•
•
•
•
AI研究論文デイリー
翻訳付きの日次キュレーションされたAI研究論文
April 23rd, 2025
Kuwain 1.5B: 言語注入によるアラビア語SLM
Kuwain 1.5B: An Arabic SLM via Language Injection
Khalil Hennara, Sara Chrouf, Mohamed Motaism Hamed, Zeina Aldallal, Omar Hadid, Safwan AlModhayan
•
Apr 21, 2025
•
113
7
TTRL: テスト時強化学習
TTRL: Test-Time Reinforcement Learning
Yuxin Zuo, Kaiyan Zhang, Shang Qu, Li Sheng, Xuekai Zhu, Biqing Qi, Youbang Sun, Ganqu Cui, Ning Ding, Bowen Zhou
•
Apr 22, 2025
•
95
4
2,000以上の多言語ベンチマークから得られた苦い教訓
The Bitter Lesson Learned from 2,000+ Multilingual Benchmarks
Minghao Wu, Weixuan Wang, Sinuo Liu, Huifeng Yin, Xintong Wang, Yu Zhao, Chenyang Lyu, Longyue Wang, Weihua Luo, Kaifu Zhang
•
Apr 22, 2025
•
61
2
何でも詳細に説明:ローカライズされた画像と動画のキャプショニング
Describe Anything: Detailed Localized Image and Video Captioning
Long Lian, Yifan Ding, Yunhao Ge, Sifei Liu, Hanzi Mao, Boyi Li, Marco Pavone, Ming-Yu Liu, Trevor Darrell, Adam Yala, Yin Cui
•
Apr 22, 2025
•
58
4
言語モデルを用いた適応的並列推論の学習
Learning Adaptive Parallel Reasoning with Language Models
Jiayi Pan, Xiuyu Li, Long Lian, Charlie Snell, Yifei Zhou, Adam Yala, Trevor Darrell, Kurt Keutzer, Alane Suhr
•
Apr 21, 2025
•
42
2
LiveCC: 大規模ストリーミング音声文字起こしを用いたビデオLLMの学習
LiveCC: Learning Video LLM with Streaming Speech Transcription at Scale
Joya Chen, Ziyun Zeng, Yiqi Lin, Wei Li, Zejun Ma, Mike Zheng Shou
•
Apr 22, 2025
•
32
2
BookWorld: 小説からインタラクティブなエージェント社会へ - 創造的な物語生成のためのアプローチ
BookWorld: From Novels to Interactive Agent Societies for Creative Story Generation
Yiting Ran, Xintao Wang, Tian Qiu, Jiaqing Liang, Yanghua Xiao, Deqing Yang
•
Apr 20, 2025
•
26
2
IV-Bench: マルチモーダルLLMにおける画像基盤型ビデオ知覚と推論のベンチマーク
IV-Bench: A Benchmark for Image-Grounded Video Perception and Reasoning in Multimodal LLMs
David Ma, Yuanxing Zhang, Jincheng Ren, Jarvis Guo, Yifan Yao, Zhenlin Wei, Zhenzhu Yang, Zhongyuan Peng, Boyu Feng, Jun Ma, Xiao Gu, Zhoufutu Wen, King Zhu, Yancheng He, Meng Cao, Shiwen Ni, Jiaheng Liu, Wenhao Huang, Ge Zhang, Xiaojie Jin
•
Apr 21, 2025
•
22
2
LLMは貪欲なエージェント:意思決定能力に対するRLファインチューニングの影響
LLMs are Greedy Agents: Effects of RL Fine-tuning on Decision-Making Abilities
Thomas Schmied, Jörg Bornschein, Jordi Grau-Moya, Markus Wulfmeier, Razvan Pascanu
•
Apr 22, 2025
•
20
3
効率的な事前学習の長さスケーリング
Efficient Pretraining Length Scaling
Bohong Wu, Shen Yan, Sijun Zhang, Jianqiao Lu, Yutao Zeng, Ya Wang, Xun Zhou
•
Apr 21, 2025
•
19
2
WALL-E 2.0: ニューロシンボリック学習による世界アライメントが世界モデルベースのLLMエージェントを改善
WALL-E 2.0: World Alignment by NeuroSymbolic Learning improves World Model-based LLM Agents
Siyu Zhou, Tianyi Zhou, Yijun Yang, Guodong Long, Deheng Ye, Jing Jiang, Chengqi Zhang
•
Apr 22, 2025
•
18
4
自己回帰モデルによるパーソナライズドテキスト-to-画像生成
Personalized Text-to-Image Generation with Auto-Regressive Models
Kaiyue Sun, Xian Liu, Yao Teng, Xihui Liu
•
Apr 17, 2025
•
18
3
CheXWorld: レントゲン画像表現のための画像世界モデリングの探求
CheXWorld: Exploring Image World Modeling for Radiograph Representation Learning
Yang Yue, Yulin Wang, Chenxin Tao, Pan Liu, Shiji Song, Gao Huang
•
Apr 18, 2025
•
17
2
反射から完璧へ:リフレクションチューニングによるテキストto画像拡散モデルの推論時最適化のスケーリング
From Reflection to Perfection: Scaling Inference-Time Optimization for Text-to-Image Diffusion Models via Reflection Tuning
Le Zhuo, Liangbing Zhao, Sayak Paul, Yue Liao, Renrui Zhang, Yi Xin, Peng Gao, Mohamed Elhoseiny, Hongsheng Li
•
Apr 22, 2025
•
15
2
Vidi: ビデオ理解と編集のための大規模マルチモーダルモデル
Vidi: Large Multimodal Models for Video Understanding and Editing
Vidi Team, Celong Liu, Chia-Wen Kuo, Dawei Du, Fan Chen, Guang Chen, Jiamin Yuan, Lingxi Zhang, Lu Guo, Lusha Li, Longyin Wen, Qingyu Chen, Rachel Deng, Sijie Zhu, Stuart Siew, Tong Jin, Wei Lu, Wen Zhong, Xiaohui Shen, Xin Gu, Xing Mei, Xueqiong Qu
•
Apr 22, 2025
•
15
2
RealisDance-DiT:ワイルド環境における制御可能なキャラクターアニメーションに向けたシンプルかつ強力なベースライン
RealisDance-DiT: Simple yet Strong Baseline towards Controllable Character Animation in the Wild
Jingkai Zhou, Yifan Wu, Shikai Li, Min Wei, Chao Fan, Weihua Chen, Wei Jiang, Fan Wang
•
Apr 21, 2025
•
9
2
Progent: LLMエージェントのためのプログラム可能な権限制御
Progent: Programmable Privilege Control for LLM Agents
Tianneng Shi, Jingxuan He, Zhun Wang, Linyu Wu, Hongwei Li, Wenbo Guo, Dawn Song
•
Apr 16, 2025
•
7
2
MR. Video: 「MapReduce」は長尺動画理解のための原理である
MR. Video: "MapReduce" is the Principle for Long Video Understanding
Ziqi Pang, Yu-Xiong Wang
•
Apr 22, 2025
•
6
2
CAPTURe: 視覚言語モデルの空間推論能力を遮蔽物体カウントで評価
CAPTURe: Evaluating Spatial Reasoning in Vision Language Models via Occluded Object Counting
Atin Pothiraj, Elias Stengel-Eskin, Jaemin Cho, Mohit Bansal
•
Apr 21, 2025
•
5
2
IPBench:大規模言語モデルの知的財産分野における知識のベンチマーキング
IPBench: Benchmarking the Knowledge of Large Language Models in Intellectual Property
Qiyao Wang, Guhong Chen, Hongbo Wang, Huaren Liu, Minghui Zhu, Zhifei Qin, Linwei Li, Yilin Yue, Shiqiang Wang, Jiayan Li, Yihang Wu, Ziqiang Liu, Longze Chen, Run Luo, Liyang Fan, Jiaming Li, Lei Zhang, Kan Xu, Hongfei Lin, Hamid Alinejad-Rokny, Shiwen Ni, Yuan Lin, Min Yang
•
Apr 22, 2025
•
4
2
DiffVox:プロフェッショナルなエフェクト分布の捕捉と分析のための微分可能モデル
DiffVox: A Differentiable Model for Capturing and Analysing Professional Effects Distributions
Chin-Yun Yu, Marco A. Martínez-Ramírez, Junghyun Koo, Ben Hayes, Wei-Hsiang Liao, György Fazekas, Yuki Mitsufuji
•
Apr 20, 2025
•
2
2