UNITER

LLaVA

AI GitHub 仓库

视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。LLaVA 是一个视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。

MiniGPT-4 & MiniGPT-v2

AI GitHub 仓库

MiniGPT-4 和 MiniGPT-v2 的开源代码，先进的大型语言模型，增强视觉-语言理解能力。这些模型支持视觉-语言任务的多任务学习，提供图像理解和生成能力。它们基于 Llama 2 和 Vicuna 模型构建，为研究人员和开发人员提供了强大的工具。

Phi-4-reasoning-vision-15B

AI 模型

微软开发的多模态AI模型，旨在处理需要视觉-语言理解和推理能力的任务。它在科学推理和计算机使用代理任务中表现出色，适用于各种应用。Phi-4-reasoning-vision-15B是微软开发的多模态AI模型，旨在处理需要视觉-语言理解和推理能力的任务。它在科学推理和计算机使用代理任务中表现出色，适用于各种应用。

DeepSeek-R1

AI GitHub 仓库

专注于AI驱动解决方案的GitHub项目。它提供多种增强AI能力的代码库，包括插件、稀疏注意力内核和高效的通信库。DeepSeek-R1是一个专注于AI驱动解决方案的GitHub项目。它提供多种增强AI能力的代码库，包括插件、稀疏注意力内核和高效的通信库。

LearningToCompare_FSL

AI GitHub 仓库

该存储库提供了CVPR 2018论文《Learning to Compare: Relation Network for Few-Shot Learning》的PyTorch代码。它侧重于少样本学习（Few-Shot Learning）方面，提供了在Omniglot和mini-Imagenet等数据集上训练和测试模型的实现。

MASS

AI GitHub 仓库

用于序列到序列语言生成任务的预训练方法。它会掩盖句子片段，让编码器在解码器中进行预测，从而增强神经机器翻译和文本摘要等任务。该代码库支持基于 Fairseq 的各种应用。MASS 是一种用于序列到序列语言生成任务的预训练方法。它会掩盖句子片段，让编码器在解码器中进行预测，从而增强神经机器翻译和文本摘要等任务。该代码库支持基于 Fairseq 的各种应用。

Qwen3-VL

AI GitHub 仓库

阿里云 Qwen 团队推出的一系列视觉语言模型，提供密集型和专家混合型两种规模，包含指令版和推理版（"思考"）。它能够同时读取图像、视频和文本，具有原生 256K 上下文窗口，可扩展至 1M，并具备用于 GUI 自动化、OCR 和空间推理的功能。Qwen3-VL 是阿里云 Qwen 团队推出的一系列视觉语言模型，提供密集型和专家混合型两种规模，包含指令版和推理版（"思考"）。它能够同时读取图像、视频和文本，具有原生 256K 上下文窗口，可扩展至 1M，并具备用于 GUI 自动化、OCR 和空间推理的功能。

CLIP

AI GitHub 仓库

OpenAI开发的一个模型，能够根据给定的图像预测最相关的文本片段。它使用对比语言-图像预训练来理解和生成准确的图像文本描述，增强了人工智能对视觉内容的解读能力。CLIP是OpenAI开发的一个模型，能够根据给定的图像预测最相关的文本片段。它使用对比语言-图像预训练来理解和生成准确的图像文本描述，增强了人工智能对视觉内容的解读能力。