MATHVERSE

Explora la capacidad de los grandes modelos lingüísticos multimodales para resolver problemas matemáticos visuales.

Producto ComúnProductividadAprendizaje multimodalProcesamiento de información visual

El proyecto MATHVERSE tiene como objetivo evaluar la capacidad de los grandes modelos lingüísticos multimodales para procesar y comprender problemas matemáticos visuales, especialmente cómo analizar e interpretar la información gráfica en dichos problemas.

Best AI Websites & Tools

MATHVERSE

MATHVERSE Situación del tráfico más reciente

MATHVERSE Tendencia de visitas

MATHVERSE Distribución geográfica de las visitas

MATHVERSE Fuentes de tráfico

MATHVERSE Alternativas

MATHVERSE — Explora la capacidad de los grandes modelos lingüísticos multimodales para resolver problemas matemáticos visuales.

Kimi k1.5 — Kimi k1.5 es un modelo de lenguaje multimodal ampliado mediante aprendizaje por refuerzo, centrado en mejorar la capacidad de razonamiento y lógica.

EurusPRM-Etapa2 — EurusPRM-Etapa2 es un modelo de aprendizaje reforzado basado en recompensas implícitas de proceso, diseñado para mejorar la capacidad de razonamiento de los modelos generativos.

EurusPRM-Etapa1 — EurusPRM-Etapa1 es un modelo de aprendizaje reforzado basado en recompensas de proceso implícito, diseñado para mejorar la capacidad de razonamiento de los modelos generativos.

DeepSeek-VL2-Small — Modelo de lenguaje visual avanzado de gran tamaño y experto mixto

InternViT-300M-448px-V2_5 — Versión mejorada de InternViT-300M-448px, que mejora la capacidad de extracción de características visuales.

Florence-VL — Herramienta de mejora de modelos de lenguaje visual, que combina un codificador visual generativo y una técnica de fusión de profundidad y amplitud.

OLMo-2-1124-13B-SFT — Modelo avanzado de generación de texto

LLaVA-o1 — Modelo de lenguaje visual capaz de realizar razonamiento paso a paso.

PPLLaVA — Modelo de implementación de GPU para la comprensión de secuencias de vídeo

Agente S — Agente S: un marco de agente abierto que permite a las computadoras usar computadoras como humanos.

FakeShield — Detección y localización de imágenes explicables basada en modelos de lenguaje grandes multimodales

LLaVA-Video — Investigación en ajuste fino de instrucciones de video y datos sintéticos

Qwen2.5 — Modelo de lenguaje grande de código abierto, compatible con múltiples idiomas y aplicaciones de áreas profesionales.

LongLLaVA — Modelo de lenguaje extenso multimodal de alta eficiencia escalable a 1000 imágenes

EAGLE — Exploración del espacio de diseño de modelos de lenguaje grandes multimodales

SlowFast-LLaVA — Modelo de lenguaje grande sin entrenamiento para comprensión e inferencia de video.

Llama3-s v0.2 — Punto de control multimodal más reciente, mejora la capacidad de comprensión del habla.

llama3-s — Un modelo de lenguaje abierto de código abierto en entrenamiento, con capacidad de "audición".

Gemini Pro — Modelo de IA multimodal de alto rendimiento

MAVIS — Modelo de ajuste de instrucciones de visión matemática

LongVA — Modelo de transformación de contexto largo de lenguaje a visión

MG-LLaVA — MLLM innovador con ajuste fino de instrucciones visuales multigranulares

4M — Marco de entrenamiento de modelos multimodales y multitarea

Stable Diffusion 3 Gratuito Online — Modelo avanzado de generación de imágenes a partir de texto

VideoLLaMA2-7B-Base — Modelo de lenguaje de video grande que ofrece respuestas a preguntas visuales y generación de subtítulos de video.

emo-visual-data — Conjunto de datos de anotación visual de emojis

llama3v — Modelo de visión SOTA (Estado del Arte) basado en llama3 8B

CuMo — Arquitectura avanzada para la ampliación de modelos de lenguaje grandes multimodales (LLM).

ChatGLM-Math — Mejora la capacidad de los modelos de lenguaje grandes para resolver problemas matemáticos