multimodal

Arrêtez de louer votre intelligence. Possédez-la avec AnythingLLM. Tout ce dont vous avez besoin pour une expérience d'agent local puissante.

Dépôt open-source du livre « Comprendre en profondeur les agents IA : principes de conception et pratiques d'ingénierie » (par Li Bojie) : texte intégral, PDF compilé et code associé par chapitre.

La pile d'agents IA multimodaux open-source : connectez des modèles d'IA de pointe et une infrastructure d'agents

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) conçu pour atteindre et dépasser les capacités de GPT-4V

Pré-entraînement auto-supervisé à grande échelle à travers les tâches, les langues et les modalités.

☁️ Construisez des applications d'IA multimodales avec une pile cloud-native

YC (S26) | Open Computer History | Enregistrez votre écran en continu localement et fournissez du contexte à vos agents (Claude, Codex, Openclaw, Hermes, Runner...)

Janus-Series : Modèles unifiés de compréhension et de génération multimodale.

Utilisez PEFT ou le paramétrage complet pour CPT/SFT/DPO/GRPO sur plus de 600 LLM et 300 MLLM (AAAI 2025).

Visualisez, interrogez et diffusez des données pour l'entraînement en robotique multimodale.

Guide complet sur les technologies RAG pour le développement d'applications basées sur de grands modèles de langage. Lecture en ligne : https://datawhalechina.github.io/all-in-rag/

Boîte à outils prête pour la production pour exécuter l'IA localement.

Une bibliothèque Python pour la détection d'anomalies sur des données tabulaires, séries temporelles, graphes, textes, images et audio. Inclut plus de 60 détecteurs, une orchestration ADEngine basée sur des benchmarks et un flux de travail agentique pour les agents IA.

La fin de l'analyse web. Le début de la recherche native par pixels à grande échelle. Lien : https://pixelrag.ai/

SeaTunnel est un outil d'intégration de données massives, multimodal, haute performance et distribué.

Deeplake est un runtime de données IA pour les agents. Il fournit une base de données Postgres serverless avec un datalake multimodal, permettant une récupération et un entraînement évolutifs.

Mobile-Agent : une famille d'agents GUI puissants.

Le moyen le plus simple de servir des applications et modèles d'IA - Construisez des API d'inférence de modèles, des files d'attente de tâches, des applications LLM, des pipelines multi-modèles, et plus encore !

Une bibliothèque de synthèse vocale (TTS), de reconnaissance vocale (STT) et de conversion parole-à-parole (STS) basée sur le framework MLX d'Apple, offrant une analyse vocale efficace sur Apple Silicon.

Un framework pour l'inférence efficace de modèles omnimodaux.

Ce dépôt est une collection organisée de liens vers divers cours et ressources sur l'intelligence artificielle (IA).

Framework open-source pour construire des applications d'agents en JavaScript, Go, Dart et Python, conçu et utilisé en production par Google.

Notes destinées aux ingénieurs logiciels souhaitant se mettre à jour sur les développements récents en IA. Sert de base de données pour les articles de https://latent.space et le brainstorming produit, avec des références canoniques organisées dans le dossier /Resources.

Résoudre la compréhension visuelle avec des VLM renforcés

Un environnement visuel pour les flux de travail d'agents : itérez sur vos agents 10 fois plus rapidement

Moteur de données haute performance pour l'IA et les charges de travail multimodales. Traitez des images, de l'audio, de la vidéo et des données structurées à n'importe quelle échelle.

Un framework MCP low-code pour construire des pipelines RAG complexes et innovants.

Un framework modulaire pour la recherche multimodale vision et langage de Facebook AI Research (FAIR).

Un moteur d'entraînement de nouvelle génération conçu pour les modèles MoE ultra-larges

Align Anything : Entraînement de modèles multimodaux avec rétroaction.