foundation-models

Hacer que los modelos de IA grandes sean más económicos, rápidos y accesibles

[NeurIPS'23 Oral] Ajuste de instrucciones visuales (LLaVA) diseñado para alcanzar capacidades del nivel de GPT-4V y superiores.

Preentrenamiento autosupervisado a gran escala en múltiples tareas, idiomas y modalidades

Serie Janus: Modelos unificados de comprensión y generación multimodal

Una biblioteca de Python para la detección de anomalías en datos tabulares, de series temporales, de grafos, de texto, de imágenes y de audio. Más de 60 detectores, orquestación ADEngine respaldada por benchmarks y un flujo de trabajo agéntico para agentes de IA.

⚡ TabPFN: Modelo fundacional para datos tabulares ⚡

¡Procesamiento de datos para y con modelos fundamentales! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

OpenSquilla — Agente de IA eficiente en tokens con el mismo presupuesto y mayor densidad de inteligencia

YuE: Modelo fundacional de generación de canciones completas de código abierto, algo similar a Suno.ai pero abierto

Chronos: Modelos preentrenados para la predicción de series temporales

DeepSeek-VL: Hacia la comprensión del lenguaje y la visión en el mundo real

LimiX: Desatando la capacidad de modelado de datos estructurados para la inteligencia generalista https://arxiv.org/abs/2509.03505

TimeGPT-1: modelo fundacional de series temporales preentrenado y listo para producción para pronósticos y detección de anomalías. Transformer generativo preentrenado para series temporales entrenado con más de 100 mil millones de puntos de datos. Es capaz de predecir con precisión varios dominios como comercio minorista, electricidad, finanzas e IoT con solo unas pocas líneas de código 🚀.

Código y modelos para el artículo de ICML 2024, NExT-GPT: Modelo de Lenguaje Grande Multimodal de Cualquier-a-Cualquier

🦦 Otter, un modelo multimodal basado en OpenFlamingo (versión de código abierto de Flamingo de DeepMind), entrenado en MIMIC-IT y que muestra una capacidad mejorada de seguimiento de instrucciones y aprendizaje en contexto.

[CVPR2024 Highlight][VideoChatGPT] ¡ChatGPT con comprensión de video! Y muchos más LM compatibles como miniGPT4, StableLM y MOSS.

SuperCLUE: Benchmark integral de modelos de lenguaje grande en chino | Un benchmark para modelos fundamentales en chino

Imágenes para inferencia sin etiquetado (utiliza modelos fundacionales para entrenar modelos supervisados).

Serie EVA: Fantasías de representación visual de BAAI

[ECCV2024] Modelos base de video y datos para comprensión multimodal

Recursos destacados sobre agentes basados en LLM: artículos, repositorios, blogs, etc.

[CVPR 2025] Implementación oficial en PyTorch de MambaVision: un troncal de visión híbrido Mamba-Transformer

Aprendizaje de prompts para modelos de visión y lenguaje (IJCV'22, CVPR'22)

Un evaluador automático para modelos de lenguaje que siguen instrucciones. Validado por humanos, de alta calidad, económico y rápido.

Una lista curada de artículos y recursos sobre detección de fraudes, anomalías y valores atípicos basados en grafos y Transformers.

Serie Emu: Modelos multimodales generativos de BAAI.

Lag-Llama: Hacia modelos fundacionales para la predicción probabilística de series temporales

Librería de Python para pronóstico de series temporales utilizando modelos compatibles con scikit-learn, métodos estadísticos y modelos base

Resumen de LLM en japonés - Descripción general de los LLM japoneses.

TabICLv2: Un modelo base tabular abierto