foundation-models

让大型 AI 模型更便宜、更快速且更易获取

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) 构建至 GPT-4V 级别能力及更高水平。

跨任务、语言和模态的大规模自监督预训练

Janus-Series：统一的多模态理解与生成模型

一个 Python 库，用于在表格、时间序列、图形、文字、图像与音频数据上进行异常检测。提供 60 多种检测器、基于基准测试的 ADEngine 编排，以及支持 AI 代理的工作流。

⚡ TabPFN：表格数据基础模型 ⚡

为基础模型提供数据处理！🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

OpenSquilla — 以相同预算提供更高智能密度的代币高效 AI 代理

YuE：开放式全曲音乐生成基础模型，类似 Suno.ai 但开源

Chronos：用于时间序列预测的预训练模型

DeepSeek-VL：迈向实际世界的视觉-语言理解

LimiX: Unleashing Structured-Data Modeling Capability for Generalist Intelligence https://arxiv.org/abs/2509.03505

TimeGPT-1：可投入生产的预训练时间序列基础模型，用于预测与异常检测。生成式预训练变压器在超过 100B 个数据点上训练，能准确预测零售、电力、金融与 IoT 等多个领域，只需几行代码 🚀

ICML 2024 论文 NExT-GPT 的代码与模型，Any-to-Any 多模态大型语言模型

🦦 Otter，基于 OpenFlamingo（DeepMind 的 Flamingo 开源版本）的多模态模型，训练于 MIMIC-IT，展示了改进的指令跟随和上下文学习能力。

[CVPR2024 Highlight][VideoChatGPT] ChatGPT 具备视频理解功能！并支持 miniGPT4、StableLM、MOSS 等多种语言模型

SuperCLUE：中文通用大模型综合性基准 | A Benchmark for Foundation Models in Chinese

无需标注即可进行推理的图片集（使用基础模型来训练监督式模型）。

EVA 系列：来自 BAAI 的视觉表示幻想

[ECCV2024] 用于多模态理解的视频基础模型与数据

关于 LLM 驱动的 Agent 的精彩内容。论文 / 仓库 / 博客 / ...

[CVPR 2025] MambaVision 官方 PyTorch 实现：混合 Mamba-Transformer 视觉骨干网络

视觉语言模型的 Prompt 学习 (IJCV'22, CVPR'22)

指令遵循语言模型的自动评估器。经人工验证、高质量、低成本且快速。

基于图/Transformer 的欺诈、异常与离群值检测论文与资源精选列表

Emu 系列：智源研究院（BAAI）的生成式多模态模型

Lag-Llama：迈向概率时间序列预测的基础模型

使用兼容 scikit-learn 的模型、统计方法和基础模型进行时间序列预测的 Python 库

日本語LLM总结 - 日本语LLM概览

TabICLv2：一个开放的表格基础模型