multimodality

El framework Cradle es un primer intento de Control General de Computadoras (GCC). Cradle permite a los agentes superar cualquier tarea informática mediante sólidas capacidades de razonamiento, automejora y curación de habilidades, en un entorno general estandarizado con requisitos mínimos.

Recopilación de artículos destacados sobre RAG para AIGC. Proponemos una taxonomía de fundamentos, mejoras y aplicaciones de RAG en el artículo "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

Una novedosa arquitectura de modelo de lenguaje multimodal (MLLM) diseñada para alinear estructuralmente incrustaciones visuales y textuales.

Un marco comparativo para sistemas de recomendación multimodales.

Una implementación oficial de "CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval"

FEDOT, un framework de modelado automatizado y machine learning.

LLM2CLIP mejora significativamente los modelos CLIP, que ya son de última generación.

✨✨Woodpecker: Corrección de alucinaciones para modelos de lenguaje grandes multimodales

Este repositorio contiene el código de evaluación para el artículo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI".

(ECCVW 2025) GPT4RoI: Ajuste de instrucciones de modelos de lenguaje de gran tamaño en regiones de interés.

🔥🔥🔥 Una lista seleccionada de artículos sobre generación multimodal basada en LLMs (imagen, video, 3D y audio).