foundation-models

包含 155 种以上 VLM/MLLM 架构的精选视觉化目录：包含论文、图表、训练配方、数据集，以及多模态 AI 代理的发布时间轴。

大型语言模型知识编辑必读论文集。

关于时间序列、时空与事件数据的超大语言模型与基础模型（LLM、LM、FM）专业清单。

TorchXRayVision：胸部 X 光数据集与模型的库。包含分类器、分割与自动编码器。

使用 Apple Foundation Models 框架构建、测试与评估应用程序的实作实验室。

精选的视觉与语言任务基础模型清单

跨视觉、音频、语言模态的通用表示模型。论文：ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[ECCV 2024 Best Paper Candidate & TPAMI 2025] PointLLM：赋能大型语言模型理解点云

「Timer: Generative Pre-trained Transformers Are Large Time Series Models」(ICML 2024) 及其后续工作的官方代码、数据集与检查点

地球系统预报 Aurora 模型的实现

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM)，同类型中的首款模型，能够生成与对象分割遮罩无缝整合的自然语言响应。

[ICLR 2024] FasterViT 官方 PyTorch 实现：具备分层注意力的快速 Vision Transformers

用于基因组学与转录组学的基础模型

由端到端 AI 技术驱动的免费且完全开源的 L2 ADAS 堆栈

用于微调地理空间基础模型（GFM）的 Python 工具包。

探索并理解您的训练与验证数据。

[NeurIPS 2025 Spotlight] OpenCUA：电脑使用代理的开放基础

VoxPoser：使用语言模型进行机器人操作的可组合 3D 价值映射

受 awesome-computer-vision 启发，精选大模型（即 LLM/VLM）时代下与机器人领域相关的 3D 视觉论文清单，包含论文、代码及相关网站

HyenaDNA 的官方实现，这是一个以 Hyena 构建的长距离基因组基础模型

语音识别任务的基础模型

[MICCAI 2019 年轻科学家奖] [MEDIA 2020 最佳论文奖] Models Genesis，医学图像分析中用于多个下游任务的最早期“基础”模型之一

LLM、MLLM 及其他领域的模型合并：方法、理论、应用与机会。ACM Computing Surveys, 2026。

MathCode：前沿的数学代码智能体

[CVPR26] TESSERA 是一个基础模型，可处理时间序列卫星图像，用于土地分类和树冠高度预测等应用。由剑桥大学开发，能从地球观测数据中高效提取时间模式。

HoloMotion：用于全身人形机器人控制的基础模型

[ICLR'24 Spotlight] Uni3D：来自 BAAI 的 3D 视觉表示法

用于医疗 AI 的 Vision Foundation Models，包含 RETFound、DINOv2、DINOv3

✨✨基础模型推理最新论文与基准测试

统一的多任务时间序列模型。