叶子的技术碎碎念

GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement ...

Drag-and-Drop LLMs: Zero-Shot Prompt-to-Weights 拖放式大语言模型：零样本提示到权重 现代参数高效微调 (Parameter-...

MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention MiniMax-M1：...

Reinforcement Pre-Training 强化预训练 本研究提出强化预训练 (RPT) 作为大语言模型和强化学习 (RL) 的新型扩展方法。具体而言，我们将下一...

Reflect, Retry, Reward: Self-Improving LLMs via Reinforcement Learning 反思、重试、奖励：通过强化学习...

Mutarjim: Advancing Bidirectional Arabic-English Translation with a Small Language Mod...

Qwen3 Technical Report Qwen3 技术报告 本文介绍 Qwen 模型家族的最新版本 Qwen3。该系列包含基于密集架构和混合专家（Mixture-o...

Seed1.5-VL Technical Report Seed1.5-VL 技术报告 我们提出 Seed1.5-VL，这是一个旨在提升通用多模态理解与推理能力的视觉-语言...

Perception, Reason, Think, and Plan: A Survey on Large Multimodal Reasoning Models 感知、...

Towards Understanding Camera Motions in Any Video 理解任意视频中的摄像机运动 我们提出了CameraBench，这是一个用...

Kuwain 1.5B: An Arabic SLM via Language Injection Kuwain 1.5B：通过语言注入（Language Injectio...

InternVL3: Exploring Advanced Training and Test-Time Recipes for Open-Source Multimoda...

这两年随着大模型的能力的飞速发展，我们可以依赖大模型做很多更加复杂的任务，为了完成这些任务，我们经常需要依赖于外部环境提供的能力，为了整合这些能力，涌现了多种扩展技术，目前...

SmolVLM: Redefining small and efficient multimodal models SmolVLM：重新定义小型高效多模态模型 虽然大型视觉...

Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evol...

RWKV-7 "Goose" with Expressive Dynamic State Evolution RWKV-7 "Goose"：具备动态状态演化能力的架构 本文...

Feature-Level Insights into Artificial Text Detection with Sparse Autoencoders 使用稀疏自编码...

LLM-Microscope: Uncovering the Hidden Role of Punctuation in Context Memory of Transfo...

Large Language Diffusion Models 大语言扩散模型 自回归模型 (ARMs) 被广泛认为是大语言模型 (LLMs) 的基础。我们通过引入 LLa...