llava-onevision：llava系列集大成者
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
BLIP3: 抛弃Q-former的BLIP
...
OMG-LLaVA：拥有segmentation能力的视觉多模态大模型
...
LLaVA-MoD：基于知识蒸馏的小多模态大模型
...
VITA: 开源版GPT-4o实现
...
transfusion：统一transformer和diffusion框架的多模态大模型
...
0.5B小模型将原始HTML完美转换为干净的Markdown，或许专用场景的小模型才是未来主流
...
mPLUG-Owl3 多图理解多模态大模型
...
UnifiedMLLM：多任务多模态大模型
...
Cambrian-1：以视觉为中心，基于多个vision encoder的多模态大模型
...
The AI Scientist: 用AI完成科研全栈任务
...
SlowFast-LLaVA：无需训练的视频理解多模态大模型
...
Qwen2-VL：支持任意精度图片以及视频输入的开源大模型系列
...
idefics2：视觉多模态大模型的架构探索
...
OLMoE：基于MoE的全开源大模型
...
CogVLM2：智谱AI新一代多模态大模型系列
...
DocLayLLM：高效，SOTA的文档理解多模态大模型
...
SHOW-o：统一理解和生成任务的transformer
...
从算法视角理解transformer
...
这是一只AI女孩子发布一年以来的变化
...
ChartMoE：使用MoE adapter的Chart理解多模态大模型
...
agent Q: 超强网页交互agent
...
LLaMA-omni：低延时的语言交互多模态大模型
...
超越GPT-4o，阿里新开源Qwen2-VL视觉语言模型
...
一个操作消除AI味丨这下谁还能分得出真人和AI啊
...
OpenAI破产危机解除，新估值冲上1000亿，新模型“草莓”秋季见
...
🦜🔗 LangChain 双周简报（09.03）
...
GameNGen：使用diffusion model做的游戏引擎
...
LongLLaVA:基于Jamba的多图理解多模态大模型
...
NVLM：融合LLaVA和Flamingo架构的多模态大模型系列
...
【黑神话悟空】训练小狐狸萍萍 FLUX的LoRA演示
...
Points: 融合多个优化策略的多模态大模型
...
mini-omni：实时可交互语音大模型
...
【360AI搜索】国内首发“慢思考模式”AI搜索引擎，思路清晰质量好
...
Genie：编程助手
...
【Ai教程】手机可以直接跑最新的Qwen2.5大模型？最简单的三种使用方法一个APP搞定
...
Open-MAGVIT2基于Lookup-free Quantization的开源图片生成模型
...
老照片修复2.0，非常破也可以细到发丝哦
...
【中英字幕】英伟达CEO黄仁勋西装会见印度总理莫迪，接受电视采访：这是属于印度的时刻｜2024.09.23
...
（英译中）Nvidia番外篇：一场亲戚间的商业较量
...
🆓 Cursor 的免费套餐价值几何？🤔