Kimi K2: Open Agentic Intelligence
Kimi K2:开放代理智能
机构 * Kimi Team(Kimi 团队)
专题命中 其他推理 :reasoning(abstract);分类 cs.CL、cs.AI、cs.LG
AI总结 Kimi K2是一款开源大语言模型,通过混合专家架构和MuonClip优化器实现先进代理能力,表现优于现有非思考模型。
Comments tech report of Kimi K2, with minor updates
AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
Kimi K2:开放代理智能
机构 * Kimi Team(Kimi 团队)
专题命中 其他推理 :reasoning(abstract);分类 cs.CL、cs.AI、cs.LG
AI总结 Kimi K2是一款开源大语言模型,通过混合专家架构和MuonClip优化器实现先进代理能力,表现优于现有非思考模型。
Comments tech report of Kimi K2, with minor updates
UniGeM: 通过几何探索与挖掘统一数据混合与选择
机构 * Politecnico di Torino(托斯大学) ; Ant Group(蚂蚁集团) ; Renmin University of China(中国人民大学) ; Institute of Microelectronics of the CAS(中国科学院微电子研究所)
专题命中 其他推理 :reasoning(abstract);分类 cs.AI、cs.LG
AI总结 UniGeM通过几何探索与挖掘统一数据混合与选择,提升大语言模型的数据效率和推理性能
全滑动图像分析的多尺度线性时间编码器
机构 * Department of Electrical and Computer Engineering, University of Houston(电子与计算机工程系,休斯顿大学) ; Department of Information Science Technology, University of Houston(信息科学与技术系,休斯顿大学) ; Department of Neurology, College of Medicine, University of Florida(神经病学系,医学学院,佛罗里达大学)
专题命中 其他推理 :reasoning(abstract);分类 cs.AI、cs.LG
AI总结 MARBLE是一种基于Mamba的多尺度线性时间编码器,通过并行处理和线性时间建模,实现高效且可扩展的全滑动图像分析。
Comments Accepted to ISBI 2026, 4 pages with 2 figures
测试时递归思考:无需外部反馈的自我提升
机构 * Microsoft Research(微软研究院)
专题命中 其他推理 :reasoning(abstract);分类 cs.CL
AI总结 本文提出 TRT 框架,使 LLM 在无需外部反馈的情况下实现自我提升,开源模型在 AIME-25/24 上达到 100% 准确率,闭源模型在 LiveCodeBench 最难问题上提升 10.4-14.8 个百分点。
UniFGVC: 一种通用无训练少样本细粒度视觉分类方法通过属性感知多模态检索
机构 * School of Traffic and Transportation, Beijing Jiaotong University(交通与运输学院,北京交通大学) ; Foundation Modal Research Center, Institute of Automation, Chinese Academy of Sciences(基础模态研究中心,自动化研究所) ; Queen Mary School Hainan, Beijing University of Posts and Telecommunications(海南女王学院,北京邮电大学) ; Department of Computer Science, NUS School of Computing(计算机科学系,国立大学计算机学院)
专题命中 其他推理 :chain-of-thought(abstract);分类 cs.AI
AI总结 UniFGVC通过属性感知多模态检索方法,实现无训练少样本细粒度视觉分类,优于现有方法。
TRACE: 基于解剖变化解释的时序放射学用于 grounded X-ray 报告生成
机构 * The University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校)
专题命中 其他推理 :reasoning(abstract)
AI总结 TRACE 是首个结合时序比较、变化分类和空间定位的模型,通过边界框坐标实现对胸片变化的自然语言描述,提升放射学报告生成的准确性与可靠性。