来自 HuggingFace 的文章
UltraTex是一个高效框架，用于基于高分辨率多视角扩散的3D纹理生成，引入了技术以减少冗余并在训练和推理中实现显著加速。
本文提出了RoboDawn，一种将视觉语言模型智能迁移至机器人控制的方法。该方法通过零样本和单样本学习在基准测试中取得了先进结果，并在真实世界应用中验证成功。
Laya 是一款开源的非自回归决策模型，提供带有校准概率的类型化回答，旨在用于电子邮件分类和对话AI等任务，相比现有模型显示出显著的性能提升。
本文介绍了HuRo，一个将人类视频机器人化以创建可扩展VLA预训练数据的流程，展示了在真实世界操作任务中任务完成率和鲁棒性的显著提升。
本文提出PARTS，一个现实世界子任务强化学习框架，通过专注于瓶颈子任务并最小化人工干预来提升长期操作任务，在实验中实现了更高的成功率。
本文介绍了APort Vault，这是一个用于评估AI代理支付授权的基准测试，涵盖了超过225,000个评估，涉及14个模型，以测试安全策略和Open Agent Passport规范。
本文介绍了OmniVChat这一原生视听对话任务，并提出了数据引擎、基准测试和强化学习方法，用于训练和评估全能模型，在合成数据和人类录制数据上展示了性能提升。
MintAct 是一系列视觉语言模型，统一了 UI 定位、跨移动、桌面和 Web 的多步导航，以及视觉工具使用，在各种基准测试中达到了最先进的性能。
本文介绍了OmniVBench，一个用于全能参考视频生成的综合基准，以及Omni-R2VDataset，一个大规模训练数据集，以评估和改进R2V模型。
RecreationWorld引入了一个用于混合计算机使用代理的可扩展且可验证的框架，提供了跨越五个平台的环境和一个用于评估的基准测试。
GraphSkillEvo是一个进化优化框架，它将代理技能表示为图结构工件，以提高大型语言模型（LLM）的性能，在多个基准测试中超越基线。
CodeMidas 是一个智能管道，它从源代码创建强化学习环境，扩展编程代理的训练，并在问题修复和程序构建等基准测试中展示性能提升。
RefineEdit 是一种免训练的提示到提示图像编辑方法，它使用生成精炼网络来增强编辑定位和背景保留，实现了顶级的基准分数。
本文评估了Cellpose-SAM在干细胞显微镜中的压缩方案，表明混合精度量化在保持分割精度的同时实现了6.76倍的压缩且无灾难性失败。
Paint-Anything介绍了一种统一的十六进制提示接口，用于图像生成与编辑的颜色控制。该接口在自定义数据集上训练，并通过新基准测试评估，表明在色彩保真度方面有显著提升。
本文提出了一种训练自适应卷积稀疏编码框架，该框架利用信息瓶颈原理实现鲁棒视觉表示，在CIFAR和ImageNet数据集上，在输入扰动下取得了性能提升。
本文介绍了TeleAntiFraud 2.0，这是一个基于音频的基准，用于评估电信欺诈检测模型，采用混合树生成流水线和每月冻结集，以应对不断演变的欺诈脚本和近域负样本。