foundation-models

讓大型 AI 模型更便宜、更快速且更易取得

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) 建構至 GPT-4V 級別能力及更高水平。

跨任務、語言與模態的大規模自監督預訓練

Janus-Series：統一的多模態理解與生成模型

一個 Python 函式庫，用於在表格、時間序列、圖形、文字、影像與音訊資料上進行異常偵測。提供 60 多種偵測器、基於基準測試的 ADEngine 編排，以及支援 AI 代理的工作流程。

⚡ TabPFN：表格資料基礎模型 ⚡

為基礎模型提供資料處理！🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

OpenSquilla — 以相同預算提供更高智慧密度的代幣高效 AI 代理

YuE：開放式全曲音樂生成基礎模型，類似 Suno.ai 但開源

Chronos：用於時間序列預測的預訓練模型

DeepSeek-VL：邁向實際世界的視覺-語言理解

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

TimeGPT-1：可投入生產的預訓練時間序列基礎模型，用於預測與異常偵測。生成式預訓練變壓器在超過 100B 個資料點上訓練，能準確預測零售、電力、金融與 IoT 等多個領域，只需幾行程式碼 🚀

ICML 2024 論文 NExT-GPT 的程式碼與模型，Any-to-Any 多模態大型語言模型

🦦 Otter，基於 OpenFlamingo（DeepMind 的 Flamingo 開源版本）的多模態模型，訓練於 MIMIC-IT，展示了改進的指令跟隨和上下文學習能力。

[CVPR2024 Highlight][VideoChatGPT] ChatGPT 具備視訊理解功能！並支援 miniGPT4、StableLM、MOSS 等多種語言模型

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

無需標註即可進行推論的圖片集（使用基礎模型來訓練監督式模型）。

EVA 系列：來自 BAAI 的視覺表示幻想

[ECCV2024] 用於多模態理解的影片基礎模型與資料

關於 LLM 驅動的 Agent 的精彩內容。論文 / 儲存庫 / 部落格 / ...

[CVPR 2025] MambaVision 官方 PyTorch 實作：混合 Mamba-Transformer 視覺骨幹網路

視覺語言模型的 Prompt 學習 (IJCV'22, CVPR'22)

指令遵循語言模型的自動評估器。經人工驗證、高品質、低成本且快速。

基於圖/Transformer 的詐欺、異常與離群值偵測論文與資源精選列表

Emu 系列：智源研究院（BAAI）的生成式多模態模型

Lag-Llama：邁向機率時間序列預測的基礎模型

使用相容 scikit-learn 的模型、統計方法和基礎模型進行時間序列預測的 Python 庫

日本語LLM總結 - 日本語LLM概覽

TabICLv2：一個開放的表格基礎模型