multimodal

Hören Sie auf, Ihre Intelligenz zu mieten. Eigen Sie sie mit AnythingLLM. Alles, was Sie für ein leistungsstarkes, lokal-first-Agentenerlebnis benötigen.

《Vertiefung des AI Agent: Designprinzipien und ingenieurtechnische Praxis》（Li Bo Jie）Open-Source-Hauptrepo: Vollständiger Text des Buches, kompilierte PDF-Version und zu den Kapiteln passender Code

Der Open-Source Multimodal AI Agent Stack: Verbindet modernste KI-Modelle und Agenten-Infrastruktur

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) in Richtung GPT-4V-Niveaufähigkeiten und darüber hinaus gebaut.

Groß angelegtes selbstüberwachtes Vortraining über Aufgaben, Sprachen und Modalitäten hinweg

☁️ Erstellen Sie multimodale KI-Anwendungen mit einem Cloud-nativen Stack

YC (S26) | Open Computer History | Aufzeichnung des Bildschirms kontinuierlich lokal und Bereitstellung von Kontext an deine Agenten (Claude, Codex, Openclaw, Hermes, Runner...)

Janus-Series: Unified Multimodal Understanding and Generation Models

Verwenden Sie PEFT oder Vollparameter für CPT/SFT/DPO/GRPO von über 600 LLMs und über 300 MLLMs (AAAI 2025).

Visualisieren, abfragen und streamen Sie, um mit multimodalen Robotikdaten zu trainieren.

🔍 Praxisleitfaden zur Entwicklung von LLM-Anwendungen Teil 1: RAG-Technologie-Full-Stack-Leitfaden, Online-Leseadresse: https://datawhalechina.github.io/all-in-rag/

Produktionsbereites Toolkit zum lokalen Ausführen von KI

Eine Python-Bibliothek zur Anomalieerkennung in tabellarischen, Zeitreihen-, Graph-, Text-, Bild- und Audiodaten. Über 60 Detektoren, Benchmark-gestützte ADEngine-Orchestrierung und ein agentischer Workflow für KI-Agenten.

Das Ende des Web-Parsings. Der Beginn der skalierbaren, pixel-nativen Suche. Link: https://pixelrag.ai/

SeaTunnel ist ein multimodales, leistungsstarkes, verteiltes Tool zur Integration großer Datenmengen.

Deeplake ist eine KI-Daten-Runtime für Agenten. Es bietet serverloses Postgres mit einem multimodalen Data Lake, was eine skalierbare Abfrage und Training ermöglicht.

Mobile-Agent: Die leistungsstarke GUI-Agenten-Familie

Der einfachste Weg, KI-Apps und -Modelle bereitzustellen – Erstellen Sie Modell-Inferenz-APIs, Job-artige Warteschlangen, LLM-Apps, Multi-Modell-Pipelines und mehr!

Eine auf Apples MLX-Framework basierende Text-to-Speech (TTS)-, Speech-to-Text (STT)- und Speech-to-Speech (STS)-Bibliothek für effiziente Sprachanalyse auf Apple Silicon.

Ein Framework für effiziente Modellinferenz mit Omnimodalitätsmodellen

Dieses Repository ist eine kuratierte Sammlung von Links zu verschiedenen Kursen und Ressourcen über Künstliche Intelligenz (KI)

Open-Source-Framework zum Erstellen agentenbasierter Apps in JavaScript, Go, Dart und Python, entwickelt und produktiv genutzt von Google.

Notizen für Softwareingenieure, die sich in neue KI-Entwicklungen einarbeiten. Dient als Datenspeicher für Artikel auf https://latent.space und Produkt-Brainstorming, enthält jedoch bereinigte kanonische Referenzen im Ordner /Resources.

Visuelles Verstehen mit RL-basierten VLMs lösen

Eine visuelle Spielwiese für agentenbasierte Workflows: Iterieren Sie 10x schneller über Ihre Agenten

Hochleistungs-Daten-Engine für KI- und multimodale Workloads. Verarbeitet Bilder, Audio, Video und strukturierte Daten in beliebigem Maßstab.

Ein Low-Code-MCP-Framework zum Erstellen komplexer und innovativer RAG-Pipelines

Ein modulares Framework für multimodale Vision- & Language-Forschung von Facebook AI Research (FAIR)

Eine Trainings-Engine der nächsten Generation für extrem große MoE-Modelle

Align Anything: Training von Multimodus-Modellen mit Feedback