foundation-models

Danh mục trực quan được tuyển chọn của hơn 155 kiến trúc mô hình ngôn ngữ thị giác (VLM/MLLM): tài liệu nghiên cứu, sơ đồ, công thức huấn luyện, tập dữ liệu và mốc thời gian phát hành cho các tác nhân AI đa phương thức.

Các bài báo phải đọc về Chỉnh sửa Tri thức cho Mô hình Ngôn ngữ Lớn

Danh sách chuyên nghiệp về Mô hình ngôn ngữ lớn và Mô hình nền tảng (LLM, LM, FM) cho Dữ liệu chuỗi thời gian, không gian thời gian và sự kiện.

TorchXRayVision: Thư viện các tập dữ liệu và mô hình X-quang ngực. Bộ phân loại, phân đoạn và autoencoder.

Phòng thí nghiệm thực tế để xây dựng, kiểm thử và đánh giá các ứng dụng sử dụng framework Foundation Models của Apple.

Danh sách tổng hợp các mô hình nền tảng cho các tác vụ thị giác máy tính và ngôn ngữ

Mô hình biểu diễn tổng quát cho các phương thức thị giác, âm thanh và ngôn ngữ. Bài báo: ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[ECCV 2024 Best Paper Candidate & TPAMI 2025] PointLLM: Trao quyền cho các Large Language Model để hiểu đám mây điểm

Triển khai mô hình Aurora cho dự báo hệ thống Trái Đất

Mã nguồn, tập dữ liệu và checkpoint chính thức cho Timer: Generative Pre-trained Transformers Are Large Time Series Models (ICML 2024) và các công trình liên quan

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM), mô hình đầu tiên có khả năng tạo phản hồi bằng ngôn ngữ tự nhiên tích hợp liền mạch với các mặt nạ phân đoạn đối tượng.

[ICLR 2024] Bản cài đặt PyTorch chính thức của FasterViT: Fast Vision Transformers với Hierarchical Attention

Mô hình nền tảng cho Genomics & Transcriptomics

Ngăn xếp L2 ADAS miễn phí và hoàn toàn mã nguồn mở được vận hành bởi công nghệ AI End-to-End

Bộ công cụ Python để tinh chỉnh các Mô hình Nền tảng Địa không gian (GFMs).

Khám phá và hiểu rõ dữ liệu huấn luyện cũng như dữ liệu xác thực của bạn.

VoxPoser: Bản đồ giá trị 3D có thể kết hợp cho thao tác robot với các mô hình ngôn ngữ

[NeurIPS 2025 Spotlight] OpenCUA: Nền tảng mở cho các tác nhân sử dụng máy tính (Computer-Use Agents).

Danh sách tổng hợp các bài báo về 3D Vision trong lĩnh vực Robotics thời đại mô hình lớn (LLMs/VLMs), lấy cảm hứng từ awesome-computer-vision, bao gồm bài báo, mã nguồn và các trang web liên quan

Triển khai chính thức cho HyenaDNA, một mô hình nền tảng bộ gen tầm xa được xây dựng với Hyena

[MICCAI 2019 Young Scientist Award] [MEDIA 2020 Best Paper Award] Models Genesis, một trong những mô hình nền tảng đầu tiên trong phân tích hình ảnh y tế cho nhiều tác vụ hạ nguồn

Mô hình nền tảng cho các tác vụ nhận dạng giọng nói.

Hợp nhất mô hình trong LLM, MLLM và hơn thế nữa: Phương pháp, lý thuyết, ứng dụng và cơ hội. ACM Computing Surveys, 2026.

MathCode: Một tác nhân lập trình toán học tiên phong

[CVPR26] TESSERA là mô hình nền tảng có thể xử lý hình ảnh vệ tinh chuỗi thời gian cho các ứng dụng như phân loại đất và dự đoán chiều cao tán cây. Được phát triển tại Đại học Cambridge, nó cho phép trích xuất hiệu quả các mẫu thời gian từ quan sát Trái đất.

[ICLR'24 Spotlight] Uni3D: Biểu diễn hình ảnh 3D từ BAAI

HoloMotion: Mô hình nền tảng cho điều khiển hình người toàn thân

Các mô hình nền tảng thị giác cho AI y tế, bao gồm RETFound, DINOv2, DINOv3.

Các bài báo và điểm chuẩn mới nhất về lập luận với các mô hình nền tảng.

Một mô hình chuỗi thời gian đa nhiệm thống nhất.