HuggingFace 每日AI论文速递

本期的 10 篇论文如下： [00:32] 🤖 Programming Every Example: Lifting Pre-training Data Quality like Experts at Scale（编程每个示例：大规模提升预训练数据质量如专家） [01:13] 🌐 Molmo and PixMo: Open Weights and Open Data for State-of-the-Art Multimodal Models（Molmo 和 PixMo：用于最先进多模态模型的开源权重和数据） [01:51] 🩺 Boosting Healthcare LLMs Through Retrieved Context（通过检索上下文提升医疗...

本期的 17 篇论文如下： [00:28] 📄 HelloBench: Evaluating Long Text Generation Capabilities of Large Language Models（HelloBench：评估大型语言模型的长文本生成能力） [01:14] 🌐 Making Text Embedders Few-Shot Learners（利用大语言模型使多语言文本嵌入器成为少样本学习者） [01:51] 🌐 OmniBench: Towards The Future of Universal Omni-Language Models（OmniBench：迈向通用全能语言模型的未来） [02:29] 🔄 Presen...

本期的 14 篇论文如下： [00:25] 🤖 RACER: Rich Language-Guided Failure Recovery Policies for Imitation Learning（RACER：基于丰富语言引导的模仿学习失败恢复策略） [01:00] 🩺 A Preliminary Study of o1 in Medicine: Are We Closer to an AI Doctor?（医学领域中o1的初步研究：我们离AI医生更近了吗？） [01:34] 🧙 PixWizard: Versatile Image-to-Image Visual Assistant with Open-Language Instructions（PixWizard：...

本期的 11 篇论文如下： [00:26] 🎨 Imagine yourself: Tuning-Free Personalized Image Generation（想象自己：无调优个性化图像生成） [01:02] 😂 YesBut: A High-Quality Annotated Multimodal Dataset for evaluating Satire Comprehension capability of Vision-Language Models（YesBut：评估视觉语言模型讽刺理解能力的高质量多模态数据集） [01:40] 🌍 Prithvi WxC: Foundation Model for Weather and Climate（Prithvi Wx...

本期的 5 篇论文如下： [00:42] TOP1(🔥86) | 🚀 Qwen2.5-Coder Technical Report（Qwen2.5-Coder 技术报告） [03:55] TOP2(🔥74) | 🤖 Training Language Models to Self-Correct via Reinforcement Learning（通过强化学习训练语言模型进行自我修正） [05:47] TOP3(🔥67) | 🌐 OmniGen: Unified Image Generation（OmniGen：统一图像生成） [07:51] TOP4(🔥54) | 🌍 Qwen2-VL: Enhancing Vision-Language Model's Perception of...

本期的 15 篇论文如下： [00:24] 🤖 Training Language Models to Self-Correct via Reinforcement Learning（通过强化学习训练语言模型进行自我修正） [01:03] 📚 InfiMM-WebMath-40B: Advancing Multimodal Pre-Training for Enhanced Mathematical Reasoning（InfiMM-WebMath-40B：推进多模态预训练以增强数学推理） [01:40] 🔍 MMSearch: Benchmarking the Potential of Large Models as Multi-modal Search Engines（MMSearch...

本期的 11 篇论文如下： [00:28] 🚀 Qwen2.5-Coder Technical Report（Qwen2.5-Coder 技术报告） [01:06] 🌍 Qwen2-VL: Enhancing Vision-Language Model's Perception of the World at Any Resolution（Qwen2-VL：增强视觉-语言模型在任意分辨率下的世界感知能力） [01:47] 🎯 LLMs + Persona-Plug = Personalized LLMs（LLMs + Persona-Plug = 个性化LLMs） [02:32] 🔍 To CoT or not to CoT? Chain-of-thought helps mainly on...

本期的 15 篇论文如下： [00:26] 🌐 OmniGen: Unified Image Generation（OmniGen：统一图像生成） [01:02] 🌐 NVLM: Open Frontier-Class Multimodal LLMs（NVLM：开放前沿类多模态大语言模型） [01:41] 🔍 Fine-Tuning Image-Conditional Diffusion Models is Easier than You Think（微调图像条件扩散模型比你想象的更容易） [02:15] 🌐 Phidias: A Generative Model for Creating 3D Content from Text, Image, and 3D Conditi...

本期的 13 篇论文如下： [00:26] 🎵 Seed-Music: A Unified Framework for High Quality and Controlled Music Generation（Seed-Music：高质量和可控音乐生成的统一框架） [01:03] ⚡ RetrievalAttention: Accelerating Long-Context LLM Inference via Vector Retrieval（通过向量检索加速长上下文大语言模型推理） [01:46] 🌐 Ferret: Federated Full-Parameter Tuning at Scale for Large Language Models（Ferret：大规模联邦...

本期的 7 篇论文如下： [00:23] 💡 A Diffusion Approach to Radiance Field Relighting using Multi-Illumination Synthesis（使用多光照合成的辐射场重光照的扩散方法） [00:56] 🖱 InstantDrag: Improving Interactivity in Drag-based Image Editing（即时拖拽：提升基于拖拽的图像编辑交互性） [01:31] 🎥 Robust Dual Gaussian Splatting for Immersive Human-centric Volumetric Videos（鲁棒双高斯散射用于沉浸式以人为中心...

本期的 5 篇论文如下： [00:41] TOP1(🔥65) | 📚 Towards a Unified View of Preference Learning for Large Language Models: A Survey（面向大型语言模型的偏好学习统一视图：综述） [02:48] TOP2(🔥50) | 🎭 PingPong: A Benchmark for Role-Playing Language Models with User Emulation and Multi-Model Evaluation（PingPong：用于用户模拟和多模型评估的角色扮演语言模型基准） [05:15] TOP3(🔥44) | 🩺 MEDIC: Towards a C...

本期的 9 篇论文如下： [00:27] 💻 Windows Agent Arena: Evaluating Multi-Modal OS Agents at Scale（Windows Agent Arena: 大规模评估多模态操作系统代理） [01:03] 🤖 Can LLMs Generate Novel Research Ideas? A Large-Scale Human Study with 100+ NLP Researchers（大语言模型能否生成新颖的研究想法？一项与100多名NLP研究人员合作的大规模人类研究） [01:37] 🖼 IFAdapter: Instance Feature Control for Grounded Text-to...

[00:25] 🎭 PingPong: A Benchmark for Role-Playing Language Models with User Emulation and Multi-Model Evaluation（PingPong：用户模拟和多模型评估的角色扮演语言模型基准） [01:05] 🩺 MEDIC: Towards a Comprehensive Framework for Evaluating LLMs in Clinical Applications（MEDIC：评估临床应用中大型语言模型的综合框架） [01:56] 🧠 Agent Workflow Memory（代理工作流程记忆） [02:38] 🔄 Gated Slot Attention fo...

大家好，欢迎收听今天的'Hugging Face 每日AI论文速递'。今天是2024年9月11日，我们将带您快速浏览7篇热门AI论文，内容涵盖检索增强生成系统评估、弱监督功能定位、大型语言模型的语音交互、歌曲生成系统、视频到音频合成、扩散模型微调以及3D关节的潜在视图不变嵌入。现在，让我们立即进入今天的论文速递。 [00:31] 📊 GroUSE: A Benchmark to Evaluate Evaluators in Grounded Question Answering（GroUSE: 评估基于检索增强生成...

大家好，欢迎来到'Hugging Face 每日AI论文速递'。今天是2024年9月10日，我们将带您快速浏览12篇热门AI论文，涵盖大语言模型、多模态学习、知识发现、机器翻译等多个前沿领域。现在，让我们立即进入今天的论文速递。 [00:24] 📚 Towards a Unified View of Preference Learning for Large Language Models: A Survey（面向大语言模型偏好学习的统一视角：综述） [01:04] 📊 MMEvol: Empowering Multimodal Large Language Models w...

各位听众朋友，大家好！今天是2024年9月09日。今天我们将带您快速浏览Hugging Face上的5篇热门AI论文，内容涵盖代码大语言模型的指令调优、可配置基础模型的模块化构建、开放式MAGVIT2的自回归视觉生成、奇虎-T2X的文本到任务扩散变换器，以及GST的高斯喷射变换器在3D人体重建中的应用。现在，让我们立即进入今天的论文速递！ [00:34] 🔍 How Do Your Code LLMs Perform? Empowering Code Instruction Tuning with High-Quality Da...

各位听众朋友，大家好！欢迎收听本周的“Hugging Face 每日AI论文速递”周末特辑。每周日，我们都会为您带来一周内Hugging Face上最热门的AI论文汇总。本期节目涵盖了2024年9月2日至2024年9月8日期间的热门论文。 本期我们将为您介绍5篇精彩论文，内容涉及图像编辑的自引导机制、音频驱动的人物头像技术、胃肠道数据集的文本图像对、开放式混合专家语言模型，以及大语言模型中的注意力头调查。 现在，让我们立即进入本期论文的精彩内...

大家好，欢迎收听今天的'Hugging Face 每日AI论文速递'。今天是2024年9月06日，我们将带您快速浏览10篇热门AI论文，涵盖大语言模型、模糊测试、图像编辑、文档理解等多个前沿领域。现在，让我们立即进入今天的论文速递。 [00:23] 🔍 Attention Heads of Large Language Models: A Survey（大语言模型中的注意力头：一项调查） [01:10] 🧠 FuzzCoder: Byte-level Fuzzing Test via Large Language Model（FuzzCoder：基于大语言模型...

大家好，欢迎收听今天的'Hugging Face 每日AI论文速递'。今天是2024年9月5日，我们将带您快速浏览8篇热门AI论文。本期内容涵盖了多模态大语言模型的扩展、音频驱动的人像化身、长上下文问答中的引用生成、多学科多模态理解基准的提升，以及代码预训练中的数据解密等多个前沿领域。现在，让我们立即进入今天的论文速递。 [00:31] 📊 LongLLaVA: Scaling Multi-modal LLMs to 1000 Images Efficiently via Hybrid Architecture（Long...

大家好，欢迎收听“Hugging Face 每日AI论文速递”。今天是2024年9月04日，我们将带您快速浏览16篇热门AI论文，涵盖数据集、语言模型、视频生成等多个领域。现在，让我们立即进入今天的论文速递。 [00:22] 📊 Kvasir-VQA: A Text-Image Pair GI Tract Dataset（Kvasir-VQA：一个带有文本图像对的胃肠道数据集） [00:58] 📚 LongRecipe: Recipe for Efficient Long Context Generalization in Large Languge Models（LongRecipe：大型...

大家好，欢迎收听“Hugging Face 每日AI论文速递”。今天是2024年9月03日，我们将带您快速了解两篇热门AI论文。首先是关于零样本时间序列预测的视觉掩码自编码器，其次是语言模型在流式传输中的多模态能力。精彩内容，马上开始！ [00:24] 🔍 VisionTS: Visual Masked Autoencoders Are Free-Lunch Zero-Shot Time Series Forecasters（VisionTS：视觉掩码自编码器是零样本时间序列预测的免费午餐） [01:10] 🗣 Mini-Omni: Language Mo...

大家好，欢迎收听“Hugging Face 每日AI论文速递”。今天是2024年9月02日，我们将带您快速浏览14篇热门AI论文，涵盖科学文献理解、文本到图像个性化、多模态模型评估等多个前沿领域。现在，让我们立即进入精彩的论文世界。 [00:24] 📚 SciLitLLM: How to Adapt LLMs for Scientific Literature Understanding（SciLitLLM：如何适应大型语言模型以理解科学文献） [01:02] 🖼 CoRe: Context-Regularized Text Embedding Learning for Te...

大家好，欢迎收听“Hugging Face 每日AI论文速递”月末特辑。每个月的最后一天，我们都会为您带来当月Hugging Face上最热门的AI论文汇总。今天，我们将带您回顾2024年8月的精彩研究成果。 本期节目涵盖了从文本生成模型的交互式学习、长上下文检索的新推理模式，到实时游戏引擎中的扩散模型应用，以及图像与视频中的任意分割技术等多个前沿领域。此外，我们还将探讨AI在科学发现自动化、多模态大型语言模型的视觉表示等方面的最新进...

大家好，欢迎收听《Hugging Face 每日AI论文速递》周末特辑。每周日，我们都会为您带来一周内Hugging Face上最受欢迎的AI论文摘要。本期节目涵盖的日期是从2024年8月26日至2024年9月01日。 在这一期中，我们将深入探讨五篇引人注目的论文，包括长上下文检索的推理模式、扩散模型在实时游戏引擎中的应用、视觉-语言模型的构建与理解、多模态大型语言模型中混合编码器的设计空间探索，以及多模态大型语言模型中的视觉表示定律。 现在...

大家好，欢迎收听“Hugging Face 每日AI论文速递”。今天是2024年8月30日，我们将带您快速浏览9篇热门AI论文，涵盖多模态大型语言模型、视觉语言模型、视频扩散模型等多个前沿领域。现在，让我们立即进入精彩的论文世界。 [00:24] 🔍 Law of Vision Representation in MLLMs（多模态大型语言模型中的视觉表示定律） [01:03] 🔍 CogVLM2: Visual Language Models for Image and Video Understanding（CogVLM2：用于图像和视频理解的视...