foundation-models

大規模AIモデルをより安価に、より高速に、よりアクセスしやすくする

[NeurIPS'23 Oral] GPT-4Vレベルの能力、さらにはそれを超えることを目指したVisual Instruction Tuning (LLaVA)。

タスク、言語、モダリティを横断する大規模な自己教師あり事前学習

Janus-Series: 統合型マルチモーダル理解および生成モデル

表形式、時系列、グラフ、テキスト、画像、音声データにわたる異常検知のためのPythonライブラリ。60以上の検出器、ベンチマーク裏付けのADEngineオーケストレーション、AIエージェント向けのエージェンティックワークフローを提供。

⚡ TabPFN: 表形式データのための基盤モデル ⚡

基盤モデルのための、そして基盤モデルを使ったデータ処理！ 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

OpenSquilla — 同じ予算でより高い知能密度を実現するトークン効率的なAIエージェント

YuE: Suno.aiに似たオープンなフルソング音楽生成基盤モデル

Chronos: 時系列予測のための事前学習済みモデル

DeepSeek-VL: 実世界におけるビジョン・言語理解へ

LimiX: ジェネラリスト知能のための構造化データモデリング能力の解放 https://arxiv.org/abs/2509.03505

TimeGPT-1: 予測と異常検知のための本番環境対応の時系列基盤モデル。1000億以上のデータポイントで学習された時系列用の生成型事前学習済みトランスフォーマー。数行のコードで小売、電力、金融、IoTなどの様々なドメインを正確に予測可能 🚀。

ICML 2024論文「NExT-GPT: Any-to-Any Multimodal Large Language Model」のコードとモデル。

🦦 Otter。OpenFlamingo（DeepMindのFlamingoのオープンソース版）をベースにしたマルチモーダルモデルで、MIMIC-ITでトレーニングされ、指示追従能力とコンテキスト内学習能力が向上しています。

[CVPR2024 Highlight][VideoChatGPT] 動画理解機能を持つ ChatGPT！miniGPT4、StableLM、MOSS など、他にも多くの LM をサポート。

SuperCLUE: 中国語汎用大規模モデルの総合ベンチマーク

ラベル付けなしで推論を行うための画像（基盤モデルを使用して教師ありモデルを訓練します）。

EVA シリーズ: BAAI による視覚表現の探求

[ECCV2024] マルチモーダル理解のためのビデオ基盤モデルとデータ

LLM を活用したエージェントに関する優れたリソース。論文、リポジトリ、ブログなど

[CVPR 2025] MambaVision の公式 PyTorch 実装：ハイブリッド Mamba-Transformer ビジョンバックボーン

ビジョン言語モデルのためのプロンプト学習 (IJCV'22, CVPR'22)

指示追従型言語モデルのための自動評価ツール。人間による検証済み、高品質、低コスト、高速。

グラフ／Transformerベースの不正検知、異常検知、外れ値検知に関する論文とリソースの厳選リスト

Emuシリーズ：BAAIによる生成マルチモーダルモデル

Lag-Llama: 確率的時系列予測のための基盤モデルに向けて

scikit-learn 互換モデル、統計的手法、基盤モデルを使用した時系列予測用 Python ライブラリ

日本語LLMまとめ - 日本語LLMの概要

TabICLv2: オープンな表形式の基盤モデル。