Ежедневные Исследовательские Статьи по ИИ

Ежедневно отобранные исследовательские статьи по ИИ с переводами

Video-R1: Усиление видеорассуждений в мультимодальных языковых моделях
Video-R1: Reinforcing Video Reasoning in MLLMs

Kaituo Feng, Kaixiong Gong, Bohao Li, Zonghao Guo, Yibing Wang, Tianshuo Peng, Benyou Wang, Xiangyu Yue•Mar 27, 2025•786

Крупномасштабная языковая модель как агент: обзор методологии, приложений и вызовов
Large Language Model Agent: A Survey on Methodology, Applications and Challenges

Junyu Luo, Weizhi Zhang, Ye Yuan, Yusheng Zhao, Junwei Yang, Yiyang Gu, Bohan Wu, Binqi Chen, Ziyue Qiao, Qingqing Long, Rongcheng Tu, Xiao Luo, Wei Ju, Zhiping Xiao, Yifan Wang, Meng Xiao, Chenwu Liu, Jingyang Yuan, Shichang Zhang, Yiqiao Jin, Fan Zhang, Xian Wu, Hanqing Zhao, Dacheng Tao, Philip S. Yu, Ming Zhang•Mar 27, 2025•772

UI-R1: Улучшение прогнозирования действий агентов графического интерфейса с помощью обучения с подкреплением
UI-R1: Enhancing Action Prediction of GUI Agents by Reinforcement Learning

Zhengxi Lu, Yuxiang Chai, Yaxuan Guo, Xi Yin, Liang Liu, Hao Wang, Guanjing Xiong, Hongsheng Li•Mar 27, 2025•619

Испытание границ рассуждений: олимпиадный математический бенчмарк для крупных языковых моделей
Challenging the Boundaries of Reasoning: An Olympiad-Level Math Benchmark for Large Language Models

Haoxiang Sun, Yingqian Min, Zhipeng Chen, Wayne Xin Zhao, Zheng Liu, Zhongyuan Wang, Lei Fang, Ji-Rong Wen•Mar 27, 2025•374

VBench-2.0: Развитие набора тестов для оценки генерации видео с акцентом на внутреннюю достоверность
VBench-2.0: Advancing Video Generation Benchmark Suite for Intrinsic Faithfulness

Dian Zheng, Ziqi Huang, Hongbo Liu, Kai Zou, Yinan He, Fan Zhang, Yuanhan Zhang, Jingwen He, Wei-Shi Zheng, Yu Qiao, Ziwei Liu•Mar 27, 2025•332

ReaRAG: Управляемое знаниями рассуждение повышает фактическую точность крупных моделей рассуждений с использованием итеративного поиска и генерации с расширением данных
ReaRAG: Knowledge-guided Reasoning Enhances Factuality of Large Reasoning Models with Iterative Retrieval Augmented Generation

Zhicheng Lee, Shulin Cao, Jinxin Liu, Jiajie Zhang, Weichuan Liu, Xiaoyin Che, Lei Hou, Juanzi Li•Mar 27, 2025•284

LeX-Art: Переосмысление генерации текста через масштабируемый синтез высококачественных данных
LeX-Art: Rethinking Text Generation via Scalable High-Quality Data Synthesis

Shitian Zhao, Qilong Wu, Xinyue Li, Bo Zhang, Ming Li, Qi Qin, Dongyang Liu, Kaipeng Zhang, Hongsheng Li, Yu Qiao, Peng Gao, Bin Fu, Zhen Li•Mar 27, 2025•262

ChatAnyone: Стилизованная генерация портретного видео в реальном времени с использованием иерархической модели диффузии движения
ChatAnyone: Stylized Real-time Portrait Video Generation with Hierarchical Motion Diffusion Model

Jinwei Qi, Chaonan Ji, Sheng Xu, Peng Zhang, Bang Zhang, Liefeng Bo•Mar 27, 2025•253

Embodied-Reasoner: Синергия визуального поиска, рассуждений и действий для интерактивных задач в воплощённых системах
Embodied-Reasoner: Synergizing Visual Search, Reasoning, and Action for Embodied Interactive Tasks

Wenqi Zhang, Mengna Wang, Gangao Liu, Xu Huixin, Yiwei Jiang, Yongliang Shen, Guiyang Hou, Zhe Zheng, Hang Zhang, Xin Li, Weiming Lu, Peng Li, Yueting Zhuang•Mar 27, 2025•223

Lumina-Image 2.0: Унифицированная и эффективная структура для генерации изображений
Lumina-Image 2.0: A Unified and Efficient Image Generative Framework

Qi Qin, Le Zhuo, Yi Xin, Ruoyi Du, Zhen Li, Bin Fu, Yiting Lu, Jiakang Yuan, Xinyue Li, Dongyang Liu, Xiangyang Zhu, Manyuan Zhang, Will Beddow, Erwann Millon, Victor Perez, Wenhai Wang, Conghui He, Bo Zhang, Xiaohong Liu, Hongsheng Li, Yu Qiao, Chang Xu, Peng Gao•Mar 27, 2025•212

ResearchBench: Оценка возможностей языковых моделей в научных открытиях через декомпозицию задач на основе вдохновения
ResearchBench: Benchmarking LLMs in Scientific Discovery via Inspiration-Based Task Decomposition

Yujie Liu, Zonglin Yang, Tong Xie, Jinjie Ni, Ben Gao, Yuqiang Li, Shixiang Tang, Wanli Ouyang, Erik Cambria, Dongzhan Zhou•Mar 27, 2025•202

FinAudio: Бенчмарк для крупных языковых моделей обработки аудио в финансовых приложениях
FinAudio: A Benchmark for Audio Large Language Models in Financial Applications

Yupeng Cao, Haohang Li, Yangyang Yu, Shashidhar Reddy Javaji, Yueru He, Jimin Huang, Zining Zhu, Qianqian Xie, Xiao-yang Liu, Koduvayur Subbalakshmi, Meikang Qiu, Sophia Ananiadou, Jian-Yun Nie•Mar 26, 2025•192

Синтетическое видео повышает физическую достоверность в синтезе видео
Synthetic Video Enhances Physical Fidelity in Video Synthesis

Qi Zhao, Xingyu Ni, Ziyu Wang, Feng Cheng, Ziyan Yang, Lu Jiang, Bohan Wang•Mar 26, 2025•163

Оптимальный размер шага для сэмплирования диффузии
Optimal Stepsize for Diffusion Sampling

Jianning Pei, Han Hu, Shuyang Gu•Mar 27, 2025•132

Исследование эволюции когнитивного восприятия физики в генерации видео: обзор
Exploring the Evolution of Physics Cognition in Video Generation: A Survey

Minghui Lin, Xiang Wang, Yishan Wang, Shu Wang, Fengqi Dai, Pengxiang Ding, Cunxiang Wang, Zhengrong Zuo, Nong Sang, Siteng Huang, Donglin Wang•Mar 27, 2025•112

Унифицированное мультимодальное дискретное диффузионное моделирование
Unified Multimodal Discrete Diffusion

Alexander Swerdlow, Mihir Prabhudesai, Siddharth Gandhi, Deepak Pathak, Katerina Fragkiadaki•Mar 26, 2025•92

Feature4X: Преобразование любого моноскопического видео в 4D агентный ИИ с помощью универсальных гауссовых полей признаков
Feature4X: Bridging Any Monocular Video to 4D Agentic AI with Versatile Gaussian Feature Fields

Shijie Zhou, Hui Ren, Yijia Weng, Shuwang Zhang, Zhen Wang, Dejia Xu, Zhiwen Fan, Suya You, Zhangyang Wang, Leonidas Guibas, Achuta Kadambi•Mar 26, 2025•82

Адаптация семантической библиотеки: извлечение и слияние LoRA для семантической сегментации с открытым словарем
Semantic Library Adaptation: LoRA Retrieval and Fusion for Open-Vocabulary Semantic Segmentation

Reza Qorbani, Gianluca Villani, Theodoros Panagiotakopoulos, Marc Botet Colomer, Linus Härenstam-Nielsen, Mattia Segu, Pier Luigi Dovesi, Jussi Karlgren, Daniel Cremers, Federico Tombari, Matteo Poggi•Mar 27, 2025•72

ZJUKLAB на SemEval-2025, задача 4: Забывание через слияние моделей
ZJUKLAB at SemEval-2025 Task 4: Unlearning via Model Merging

Haoming Xu, Shuxun Wang, Yanqiu Zhao, Yi Zhong, Ziyan Jiang, Ningyuan Zhao, Shumin Deng, Huajun Chen, Ningyu Zhang•Mar 27, 2025•72

LLPut: Исследование возможностей больших языковых моделей для генерации входных данных на основе отчетов об ошибках
LLPut: Investigating Large Language Models for Bug Report-Based Input Generation

Alif Al Hasan, Subarna Saha, Mia Mohammad Imran, Tarannum Shaila Zaman•Mar 26, 2025•52

Tracktention: Использование отслеживания точек для более быстрого и эффективного анализа видео
Tracktention: Leveraging Point Tracking to Attend Videos Faster and Better

Zihang Lai, Andrea Vedaldi•Mar 25, 2025•22

LOCATEdit: Оптимизация кросс-внимания с использованием графового лапласиана для локализованного редактирования изображений на основе текста
LOCATEdit: Graph Laplacian Optimized Cross Attention for Localized Text-Guided Image Editing

Achint Soni, Meet Soni, Sirisha Rambhatla•Mar 27, 2025•12