multimodality

Le framework Cradle est une première tentative de contrôle informatique général (GCC). Il permet aux agents de réussir n'importe quelle tâche informatique grâce à un raisonnement robuste, une auto-amélioration et une curation de compétences, dans un environnement standardisé aux exigences minimales.

Collection d'articles sur le RAG pour l'AIGC. Nous proposons une taxonomie des fondements, améliorations et applications du RAG dans l'article "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

Une nouvelle architecture de modèle de langage multimodal (MLLM), conçue pour aligner structurellement les plongements visuels et textuels.

Un cadre comparatif pour les systèmes de recommandation multimodaux.

Implémentation officielle pour CLIP4Clip : une étude empirique de CLIP pour la recherche de clips vidéo de bout en bout.

Framework de modélisation automatisée et de machine learning FEDOT

LLM2CLIP améliore significativement les modèles CLIP déjà à la pointe de la technologie.

✨✨Woodpecker: Correction des hallucinations pour les modèles de langage multimodaux de grande taille

Ce dépôt contient le code d'évaluation pour l'article "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"

(ECCVW 2025) GPT4RoI : Instruction Tuning d'un Large Language Model sur des régions d'intérêt.

Une liste organisée d'articles sur la génération multimodale basée sur les LLM (image, vidéo, 3D et audio).