multimodality

O framework Cradle é uma primeira tentativa de Controle Geral de Computador (GCC). O Cradle permite que agentes realizem qualquer tarefa computacional ao habilitar fortes capacidades de raciocínio, autoaperfeiçoamento e curadoria de habilidades, em um ambiente geral padronizado com requisitos mínimos.

Coleta de artigos sobre RAG para AIGC. Propomos uma taxonomia de fundamentos, aprimoramentos e aplicações de RAG no artigo "Retrieval-Augmented Generation for AI-Generated Content: A Survey".

Uma nova arquitetura de Modelo de Linguagem Grande Multimodal (MLLM), projetada para alinhar estruturalmente embeddings visuais e textuais.

Um framework comparativo para sistemas de recomendação multimodais.

Uma implementação oficial para "CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval"

Estrutura automatizada de modelagem e machine learning FEDOT

O LLM2CLIP melhora significativamente modelos CLIP que já são de última geração.

✨✨Woodpecker: Correção de alucinação para Modelos de Linguagem Multimodais Grandes

Este repositório contém código de avaliação para o artigo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"

(ECCVW 2025)GPT4RoI: Ajuste de Instruções em Grandes Modelos de Linguagem em Região de Interesse

🔥🔥🔥 Uma lista selecionada de artigos sobre geração multimodal baseada em LLMs (imagem, vídeo, 3D e áudio).