foundation-models

EmerNeRFのPyTorch実装：自己教師あり学習による emergent な時空間シーン分解

[ICCV 2025 & ICCV 2025 RIWM 優秀論文賞] Aether：幾何学を考慮した統合ワールドモデル

[ECCV 2024] プロンプトによるあらゆるもののトークン化

[ICLR2025 Spotlight🔥] TokenFormer の公式実装：トークン化されたモデルパラメータによる Transformer スケーリングの再考

論文「MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI」の評価コードを含むリポジトリ

MatterSim: 元素、温度、圧力全般に対応するディープラーニング原子モデル。

組み合わせ最適化のための基盤モデルに関する最新の論文集

[ECCV2024] 局所化されたビジュアルトークン化を備えたグラウンデッドマルチモーダル大規模言語モデル

🐦‍🔥 LangGraph for Swift — Apple/Linuxプラットフォーム上でステートフルなAIエージェントワークフローをネイティブに構築

Liquid Audio - Liquid AI による Speech-to-Speech 音声モデル

時系列向けの LLM および基盤モデル

スケーラブルなポリシー学習器としての異種混合事前学習済みTransformer (HPT)

このリポジトリには、サーベイ論文「A Systematic Survey of Prompt Engineering on Vision-Language Foundation Models」でまとめられた関連論文がリストされています。

神経記号プログラミングのためのフレームワークと言語。