foundation-models

包含 155 種以上 VLM/MLLM 架構的精選視覺化目錄：包含論文、圖表、訓練配方、資料集，以及多模態 AI 代理的發布時間軸。

大型語言模型知識編輯必讀論文集。

關於時間序列、時空與事件資料的大型語言模型與基礎模型（LLM、LM、FM）專業清單。

TorchXRayVision：胸部 X 光資料集與模型的函式庫。包含分類器、分割與自動編碼器。

使用 Apple Foundation Models 框架建構、測試與評估應用程式的實作實驗室。

精選的視覺與語言任務基礎模型清單

跨視覺、音訊、語言模態的通用表示模型。論文：ONE-PEACE: Exploring One General Representation Model Toward Unlimited Modalities

[ECCV 2024 Best Paper Candidate & TPAMI 2025] PointLLM：賦能大型語言模型理解點雲

「Timer: Generative Pre-trained Transformers Are Large Time Series Models」(ICML 2024) 及其後續工作的官方程式碼、資料集與檢查點

地球系統預報 Aurora 模型的實作

[CVPR 2024 🔥] Grounding Large Multimodal Model (GLaMM)，同類型中的首款模型，能夠產生與物件分割遮罩無縫整合的自然語言回應。

[ICLR 2024] FasterViT 官方 PyTorch 實作：具備階層式注意力的快速 Vision Transformers

用於基因體學與轉錄體學的基礎模型

由端到端 AI 技術驅動的免費且完全開源的 L2 ADAS 堆疊

用於微調地理空間基礎模型（GFM）的 Python 工具包。

探索並理解您的訓練與驗證資料。

VoxPoser：使用語言模型進行機器人操作的可組合 3D 價值對應

[NeurIPS 2025 Spotlight] OpenCUA：電腦使用代理的開放基礎

受 awesome-computer-vision 啟發，精選大模型（即 LLM/VLM）時代下與機器人領域相關的 3D 視覺論文清單，包含論文、程式碼及相關網站

HyenaDNA 的官方實作，這是一個以 Hyena 建構的長距離基因體基礎模型

[MICCAI 2019 年輕科學家獎] [MEDIA 2020 最佳論文獎] Models Genesis，醫療影像分析中用於多個下游任務的最早期「基礎」模型之一

語音辨識任務的基礎模型

LLM、MLLM 及其他領域的模型合併：方法、理論、應用與機會。ACM Computing Surveys, 2026。

MathCode：前沿的數學程式碼代理程式

[CVPR26] TESSERA 是一個基礎模型，可處理時間序列衛星影像，用於土地分類和樹冠高度預測等應用。由劍橋大學開發，能從地球觀測資料中高效提取時間模式。

[ICLR'24 Spotlight] Uni3D：來自 BAAI 的 3D 視覺表示法

HoloMotion：用於全身人形機器人控制的基礎模型

用於醫療 AI 的 Vision Foundation Models，包含 RETFound、DINOv2、DINOv3

✨✨基礎模型推理最新論文與基準測試

統一的多任務時間序列模型。