Optimal Stepsize for Diffusion Sampling(OSS)

🖥 Github: https://github.com/bebebe666/optimalsteps

📕 Paper: https://arxiv.org/abs/2503.21774v1

🌟 Tasks: https://paperswithcode.com/task/denoising

@ArtificialIntelligencedl

Harnessing the Reasoning Economy: A Survey of Efficient Reasoning for Large Language Models

🖥 Github: https://github.com/devoallen/awesome-reasoning-economy-papers

📕 Paper: https://arxiv.org/abs/2503.24377v1

@ArtificialIntelligencedl

Effect-driven interpretation: Functors for natural language composition

🖥 Github: https://github.com/UCSC-VLAA/MedReason

📕 Paper: https://arxiv.org/abs/2504.00993v1

🔗 Tasks: https://paperswithcode.com/task/knowledge-graphs

@ArtificialIntelligencedl

Crystal Generation with Space Group Informed Transformer

🖥 Github: https://github.com/deepmodeling/crystalformer

📕 Paper: https://arxiv.org/abs/2504.02367v1

🔗 Dataset: https://paperswithcode.com/dataset/alex-20

@ArtificialIntelligencedl

ZClip: Adaptive Spike Mitigation for LLM Pre-Training

🖥 Github: https://github.com/bluorion-com/ZClip

📕 Paper: https://arxiv.org/abs/2504.02507v1

🔗 Dataset: https://paperswithcode.com/dataset/hellaswag

@ArtificialIntelligencedl

REPA-E: Unlocking VAE for End-to-End Tuning of Latent Diffusion Transformers

🖥 Github: https://github.com/End2End-Diffusion/REPA-E

📕 Paper: https://arxiv.org/abs/2504.10483

🔗 Dataset: https://paperswithcode.com/dataset/imagenet

@ArtificialIntelligencedl

ReSpec: Relevance and Specificity Grounded Online Filtering for Learning on Video-Text Data Streams

🖥 Github: https://github.com/cdjkim/respec

📕 Paper: https://arxiv.org/abs/2504.14875v1

🔗 Dataset: https://paperswithcode.com/task/informativeness

@ArtificialIntelligencedl

UniVLA: Learning to Act Anywhere with Task-centric Latent Actions

🖥 Github: https://github.com/opendrivelab/univla

📕 Paper: https://arxiv.org/abs/2505.06111v1

🔗 Dataset: https://paperswithcode.com/dataset/room-to-room

@ArtificialIntelligencedl

QuXAI: Explainers for Hybrid Quantum Machine Learning Models

🖥 Github: https://github.com/GitsSaikat/QuXAI

📕 Paper: https://arxiv.org/abs/2505.10167v1

🔗 Dataset: https://paperswithcode.com/task/quantum-machine-learning

@ArtificialIntelligencedl

Deliberation on Priors: Trustworthy Reasoning of Large Language Models on Knowledge Graphs

🖥 Github: https://github.com/reml-group/deliberation-on-priors

📕 Paper: https://arxiv.org/abs/2505.15210v1

@ArtificialIntelligencedl

SpatialScore: Towards Unified Evaluation for Multimodal Spatial Understanding

🖥 Github: https://github.com/haoningwu3639/SpatialScore

📕 Paper: https://arxiv.org/abs/2505.17012v1

🔗 Tasks: https://paperswithcode.com/task/motion-estimation

@ArtificialIntelligencedl

EmergentTTS-Eval: Evaluating TTS Models on Complex Prosodic, Expressiveness, and Linguistic Challenges Using Model-as-a-Judge

🖥 Github: https://github.com/boson-ai/emergenttts-eval-public

📕 Paper: https://arxiv.org/abs/2505.23009v1

🔗 Tasks: https://paperswithcode.com/task/text-to-speech-1

@ArtificialIntelligencedl

Bagged Deep Image Prior for Recovering Images in the Presence of Speckle Noise

🖥 Github: https://github.com/Computational-Imaging-RU/Bagged-DIP-Speckle

📕 Paper: https://arxiv.org/abs/2505.23594v1


@ArtificialIntelligencedl

SWE-bench Goes Live

🖥 Github: https://github.com/microsoft/swe-bench-live

📕 Paper: https://arxiv.org/abs/2505.23419v1

🔗 Tasks: https://paperswithcode.com/dataset/humaneval

@ArtificialIntelligencedl

Exposure-slot: Exposure-centric representations learning with Slot-in-Slot Attention for Region-aware Exposure Correction (Official)

🖥 Github: https://github.com/kdhRick2222/Exposure-slot

📕 Paper: https://cvpr.thecvf.com/virtual/2025/poster/33508

🔗 Tasks: https://paperswithcode.com/dataset/exposure-errors

@ArtificialIntelligencedl

Vine Copulas as Differentiable Computational Graphs

🖥 Github: https://github.com/TY-Cheng/torchvinecopulib

📕 Paper: https://arxiv.org/abs/2506.13318v1

🔗 Tasks: https://paperswithcode.com/task/scheduling

@ArtificialIntelligencedl

UniFork: Exploring Modality Alignment for Unified Multimodal Understanding and Generation

🖥 Github: https://github.com/tliby/unifork

📕 Paper: https://arxiv.org/abs/2506.17202v1

🔗 Dataset: https://paperswithcode.com/dataset/gqa

@ArtificialIntelligencedl

🖥 Создание Telegram‑бота‑репетитора на Python для подготовки к сертификациям 🎓

В этом гайде мы создадим Telegram-бота-репетитора на Python, который проводит адаптивные мини-экзамены по темам Python, Data Science, AI и ML.

Бот сохраняет результаты в SQLite и даёт рекомендации по обучению.

Развернём его в облаке immers.cloud — сервисе с GPU-серверами для задач от 3D и гейминга до машинного обучения и генерации контента.

Почему мы выбрали immers.cloud:
- Быстрый старт: нужный сервер поднимается за пару минут.
- Посекундная тарификация — платишь только за время работы сервера
- Большой ассортимент GPU: 11 моделей NVIDIA RTX и Tesla, включая высокопроизводительные модели, H100 (мой фаворит) и A100 с 80 ГБ видеопамяти с поддержкой GPUDirect и NVLink технологий.
- Образы с предустановленным окружением для ML задач, чтобы не тратить время на настройку.
- Поддержка 24/7 и стабильная производительность

🔍 Что делает бот:
- Проводит адаптивные мини‑экзамены по темам: Python, Data Science, AI, ML.
- Подстраивает уровень сложности вопросов под уровень пользователя.
- Сохраняет и анализирует результаты обучения.

🛠️ Технологии и подход:
- Написано на Python с использованием библиотеки для Telegram‑ботов.
- Используется БД для хранения прогресса и статистики.
- Простой архитектурный шаблон: команда → вопрос → ответ → оценка.

🚀 Цели проекта:
- Практическая подготовка к IT‑сертификациям.
- Обратная связь и отслеживание прогресса.
- Возможность добавить новые темы и адаптивную логику.

📌 Кому будет полезен:
- Тем, кто готовится к сертификациям (например, Python, ML).
- Тем, кто хочет автоматизировать обучение через чат.
- Программистам, желающим усилить навыки работы с Telegram‑ботами.

📌 Подробнее

TCANet for motor imagery EEG classification

🖥 Github: https://github.com/tliby/unifork

📕 Paper: https://link.springer.com/article/10.1007/s11571-025-10275-5

🔗 Dataset: https://paperswithcode.com/task/brain-computer-interface

@ArtificialIntelligencedl

Parallels Between VLA Model Post-Training and Human Motor Learning: Progress, Challenges, and Trends

🖥 Github: https://github.com/aoqunjin/awesome-vla-post-training

📕 Paper: https://arxiv.org/pdf/2506.20966v1.pdf

🔗 Dataset: https://paperswithcode.com/dataset/imagenet1

@ArtificialIntelligencedl