#多模态
#多模态
今日 0 条跨语言模型的无训练事实通信：共享符号而非向量
推荐理由：该研究提出了一种无需训练的跨语言模型事实通信方法，通过共享词索引和接收器本地方向，支持模型家族之间的选择性事实使用，具有潜在的应用价值。
Cortex：将上下文巩固到参数化记忆中
推荐理由：该研究提出了 Cortex 模型，通过参数化记忆巩固上下文信息，提高了大语言模型在多个任务上的表现，具有潜在的应用价值。
AUGUstus：自动驾驶统一生成与理解视觉语言动作模型
推荐理由：AUGUstus 模型在自动驾驶场景中展现出强大的潜力，通过结合视觉语言动作模型和统一生成与理解，实现了低延迟和高精度轨迹规划。
Apertus 1.5：从开放文本模型到开放多模态推理器
推荐理由：Apertus 1.5 模型在多模态推理方面取得显著进展，并保持了开源特性，对研究者和开发者具有重要意义。
BigCell：生成高分辨率全切片图像
推荐理由：该研究提出了BigCell，一种生成高分辨率全切片病理图像的新方法，对病理诊断领域具有重要意义。
WorldCast：分布式多人世界模型研究
推荐理由：该研究提出了 WorldCast，一种分布式多人世界模型，通过实验展示了其在 Counter-Strike 2 上的性能和可扩展性，对多人游戏和虚拟现实领域有潜在影响。
Google Research 发布 Diffusion Controller 框架，简化 AI 图像生成
推荐理由：Diffusion Controller 框架通过数学控制与图像生成模型结合，为图像生成提供了统一的框架，有助于提高图像生成质量并降低对模型核心引擎的修改需求。
Google 研究院发布 AI 视频导演：自动化连贯长视频生成
推荐理由：该研究提出了一个名为 AI 视频导演的 AI 视频生成框架，旨在解决长视频生成中的连贯性问题，为创作者提供更高效的工具。
NeoMME：一个高效的多模态和跨语言编码器
推荐理由：NeoMME 是一个高效的多模态和跨语言编码器，其性能和效率值得读者关注。
AgentHands：在 XR 中生成交互式手势以实现基于空间的位置感知智能体对话
推荐理由：AgentHands 通过引入手势交互，将 AI 助手与用户的空间环境相结合，提高了交互的自然性和效率。
量化感知修复：超越原始模型的压缩4位模型
推荐理由：该研究提出了量化感知修复（QAH）方法，通过直接从原始模型蒸馏，提高了压缩和量化后的模型性能，读者可以了解其如何改变现有工作流。
Google Research 推进 AMIE 向专家级音频-视觉临床咨询发展
推荐理由：AMIE (Video) 在模拟环境中展现出专家级水平的实时视频临床咨询能力，为医疗AI的发展提供了新的方向。
揭秘扩散模型创造力之谜
推荐理由：原文深入探讨了扩散模型创造力的来源，揭示了神经网络训练过程中的数学原理，对理解扩散模型的工作机制具有重要意义。
自适应并行推理：高效推理扩展的下一个范式
推荐理由：本文介绍了自适应并行推理，这是一种新的推理扩展范式，旨在提高推理效率。读者可以了解其原理和潜在影响。
Sierra 发布开源多语言语音识别基准 μ-Bench
推荐理由：μ-Bench 提供了一个多语言语音识别基准，有助于评估不同模型在不同语言上的表现，对语音识别领域具有重要意义。
Sarvam Audio：超越转录的语音识别技术
推荐理由：Sarvam Audio 在印度语音识别领域提出了创新解决方案，支持多种转录格式、多说话者分离和上下文感知，为语音交互应用提供更精准的理解和交互体验。
Mistral AI 发布推理模型 Magistral，推动 AI 研究进展
推荐理由：Mistral AI 发布了首个推理模型 Magistral，该模型在特定领域推理、透明推理和多语言推理方面表现出色，对 AI 研究领域有重要贡献。
Sarvam AI 发布专注于印度语言的混合推理模型 Sarvam-M
推荐理由：Sarvam AI 发布了 Sarvam-M 模型，这是一个专注于印度语言的混合推理模型，通过监督微调、强化学习和推理优化显著提升了模型在印度语言、数学和编程任务上的表现。
ModernBERT-Large-Instruct：基于 ModernBERT 的指令微调编码器
推荐理由：ModernBERT-Large-Instruct 模型的出现为编码和推理任务提供了新的可能性，其简单高效的训练方式值得关注。
