mbzuai-oryx

Tutorial/Survei/Panduan Awesome Reasoning LLM

[ACL 2024 🔥] Video-ChatGPT adalah model percakapan video yang mampu menghasilkan percakapan bermakna tentang video. Model ini menggabungkan kemampuan LLM dengan visual encoder praterkait yang diadaptasi untuk representasi video spatiotemporal. Kami juga memperkenalkan 'Quantitative Evaluation Benchmarking' yang ketat untuk model percakapan berbasis video.

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), model pertama yang mampu menghasilkan respons bahasa alami yang terintegrasi secara mulus dengan mask segmentasi objek.

🔥🔥 LLaVA++: Memperluas LLaVA dengan Phi-3 dan LLaMA-3 (LLaVA LLaMA-3, LLaVA Phi-3)

[CVPR 2024 🔥] GeoChat, Large Vision Language Model grounded pertama untuk Penginderaan Jauh

[ICLR-2025-SLLM Spotlight 🔥]MobiLlama : Model Bahasa Kecil yang disesuaikan untuk perangkat edge

[BIONLP@ACL 2024] XrayGPT: Peringkasan Rontgen Dada Menggunakan Medical Vision-Language Models.