MATHVERSE

Investiga a capacidade de modelos de linguagem grandes multimodais na resolução de problemas matemáticos visuais.

Produto ComumProdutividadeAprendizado multimodalProcessamento de informações visuais

O projeto MATHVERSE visa avaliar a capacidade de modelos de linguagem grandes multimodais de processar e compreender problemas matemáticos visuais, especialmente como eles analisam e interpretam informações de gráficos contidos nos problemas.

Best AI Websites & Tools

MATHVERSE

MATHVERSE Situação do Tráfego Mais Recente

MATHVERSE Tendência de Visitas

MATHVERSE Distribuição Geográfica das Visitas

MATHVERSE Fontes de Tráfego

MATHVERSE Alternativas

MATHVERSE — Investiga a capacidade de modelos de linguagem grandes multimodais na resolução de problemas matemáticos visuais.

MAVIS — Modelo de ajuste de instruções de visão matemática

Kimi k1.5 — O Kimi k1.5 é um modelo de linguagem multimodal expandido por meio de aprendizado por reforço, focado em aprimorar a capacidade de raciocínio e lógica.

EurusPRM-Estágio2 — EurusPRM-Estágio2 é um modelo de aprendizado por reforço baseado em recompensas implícitas de processo, projetado para melhorar a capacidade de raciocínio de modelos gerativos.

EurusPRM-Estágio1 — EurusPRM-Estágio1 é um modelo de aprendizado por reforço baseado em recompensas implícitas de processo, projetado para melhorar a capacidade de raciocínio de modelos generativos.

Florence-VL — Ferramenta de aprimoramento de modelos de linguagem visual, combinando codificador visual generativo e técnica de fusão profunda e ampla.

OLMo-2-1124-13B-SFT — Modelo avançado de geração de texto

LLaVA-o1 — Modelo de linguagem visual capaz de raciocínio passo a passo.

Agente S — Agente S: Uma estrutura de agente aberta que permite que computadores usem computadores como humanos.

FakeShield — Detecção e localização de imagens explicáveis baseada em modelo de linguagem grande multimodal

LLaVA-Video — Pesquisa em Refinamento de Instruções de Vídeo e Dados Sintéticos

NVLM — Modelo de linguagem grande multimodal de ponta, que oferece desempenho avançado em tarefas de visão-linguagem.

Qwen2.5 — Modelo de linguagem grande de código aberto, suportando múltiplos idiomas e aplicações em áreas profissionais.

LongLLaVA — Modelo de linguagem de grande porte multimodal eficientemente escalável para 1000 imagens

EAGLE — Exploração do espaço de design de modelos de linguagem grandes multimodais

SlowFast-LLaVA — Modelo de linguagem grande sem treinamento para compreensão e raciocínio de vídeo.

Llama3-s v0.2 — Novo ponto de verificação multimodal, aprimorando a capacidade de compreensão de fala.

llama3-s — Um modelo de linguagem aberto em treinamento, com capacidade de 'audição'.

Gemini Pro — Modelo de IA multimodal de alto desempenho

LongVA — Modelo de conversão de contexto longo de linguagem para visão

MG-LLaVA — Modelo de Linguagem de Aprendizado de Máquina (MLLM) inovador com ajuste fino de instruções visuais de granularidade múltipla

4M — Estrutura de treinamento de modelos multimodais e multitarefas

Stable Diffusion 3 Online Gratuito — Modelo avançado de geração de imagens a partir de texto

VideoLLaMA2-7B-Base — Modelo de linguagem de vídeo de grande porte, oferecendo questionamento visual e geração de legendas de vídeo.

emo-visual-data — Conjunto de dados de anotação visual de emojis

llama3v — Modelo de visão SOTA (estado da arte) baseado no Llama3 8B

TapScanner — Scanner completo, com auxílio de IA, para reconhecimento e análise inteligente.

CuMo — Uma arquitetura avançada para escalar modelos de linguagem grandes multimodais (LLMs).

ChatGLM-Math — Melhora a capacidade de modelos de linguagem grandes em resolver problemas matemáticos

llava-llama-3-8b-v1_1 — Modelo LLaVA otimizado pelo XTuner, combinando processamento de imagem e texto.