🔥 FrameMorrow: Future-guided Frame Selection with Prospective Tokens for Long-Horizon Video Generation
🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2609.38839
PDF: https://arxiv.org/pdf/2609.38839
Project Page: https://yinbo0927.github.io/FrameMorrow/
@Machine_learn

🔥 Spatial Memory Intelligence: Endowing World Models with Understanding-Driven Long-Term Memory
🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2610.02521
PDF: https://arxiv.org/pdf/2610.02521
Project Page: https://spatial-memory-intelligence.github.io/
@Machine_learn

🔥 Prism: Dynamic Sparse Attention for Native 2K Joint Video-Audio Generation Model Training

🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2610.05416
PDF: https://arxiv.org/pdf/2610.05416
Project Page: https://francis-rings.github.io/Prism/
🤖 Models citing this paper:
https://huggingface.co/FrancisRing/Prism
🚀 Spaces citing this paper:
https://huggingface.co/spaces/bibibi12345/Prism
https://huggingface.co/spaces/tardellirs/model-pulse
@Machine_learn

A Comparative Survey on Large Language Models for Biological Data

Ramin Mousa,
Ali Sarabadani
Tania Taami
Amir Ali Bengari
Omid Eslamifar
Mohammad Alijanpour Shalmani

Ehsan Karimi Shahmarvandi
Correspondence: raminmousa@znu.ac.ir

@Machine_learn

🔥 OmniReasoning: Pushing the Limits of Audio-Visual Joint Reasoning
💡 Summary

🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2609.39490
PDF: https://arxiv.org/pdf/2609.39490
Project Page: https://pku-value-lab.github.io/OmniReasoning-Homepage/
📊 Datasets citing this paper:
https://huggingface.co/datasets/mjuicem/OmniReasoning-131K
https://huggingface.co/datasets/mjuicem/OmniReasoningBench
@Machine_learn

🔥 EvaOmni: An Evidence-Grounded Benchmark for Audio-Visual Reasoning

🔗 Links:
GitHub: https://github.com/huggingface
arXiv: https://arxiv.org/abs/2610.28444
PDF: https://arxiv.org/pdf/2610.28444
Project Page: https://xiaoxing2001.github.io/EvaOmni.github.io/
@Machine_learn

یکی از ابزارهای خوبی که بنده تونستم توسعه بدم ابزار پیش بینی سهام می باشد. در این ابزار از ۳۶۰ اندیکاتور استفاده کردم. گزارشات back test این ابزار در ویدیو های زیر موجود می باشد.

https://youtu.be/aSS99lynMFQ?si=QSk8VVKhLqO_2Qi3


https://youtu.be/ThyZ0mZwsGk?si=FKPK7Hkz-mRx-752&t=209

دوستانی که میخوان حداقل یه مقاله درست حسابی تو این حوزه داشته باشن میتونن نفرات ۲ تا ۴ این مقاله رو شرکت کنن.
هزینه ها
نفر ۲ هزینه ۴۰ میلیون
نفر ۳ هزینه ۳۰ میلیون
نفر ۴ هزینه ۲۰ میلیون
میباشد. برای مشارکت به ایدی بندا پیام بدین
@Raminmousa1

این مقاله تا فردا شب زمان باقی مونده ...!