Best AI Websites & Tools

AI产品榜

AI产品榜

MATHVERSE

探讨多模态大型语言模型在解决视觉数学问题中的能力

普通产品生产力多模态学习视觉信息处理

MATHVERSE项目旨在评估多模态大型语言模型处理和理解视觉数学问题的能力，特别是如何解析和理解问题中的图表信息。

MATHVERSE

视觉数学问题解析
多模态理解评估
基于思维链的解答策略

用于研究和开发更好的多模态学习模型，以提高在教育领域中的应用性能。

提升数学教学工具的效果
研究多模态语言模型的能力
改进AI在教育领域的应用

MATHVERSE 替代品

LLaVA-o1 — 视觉语言模型，能够进行逐步推理

生产力•视觉语言模型•逐步推理

PPLLaVA — 视频序列理解的GPU实现模型

视频•视频理解•大型语言模型

Agent S — Agent S：一个开放的代理框架，让计算机像人类一样使用计算机。

生产力•自动化•人机交互

FakeShield

FakeShield — 基于多模态大语言模型的可解释图像检测与定位

图像•图像检测•多模态学习

LLaVA-Video — 视频指令调优与合成数据研究

视频•视频理解•多模态学习

NVLM

NVLM — 前沿级多模态大型语言模型，实现视觉-语言任务的先进性能。

生产力•多模态学习•大型语言模型

LongLLaVA — 高效扩展多模态大型语言模型至1000图像

图像•多模态学习•图像处理

EAGLE — 多模态大型语言模型设计空间探索

编程•多模态学习•大型语言模型

SlowFast-LLaVA — 视频理解与推理的免训练大型语言模型。

生产力•视频问答•多模态学习

Llama3-s v0.2 — 最新多模态检查点，提升语音理解能力。

编程•语音识别•自然语言处理

llama3-s — 一个正在训练中的开源语言模型，具备“听力”能力。

编程•自然语言处理•机器学习

MAVIS — 数学视觉指令调优模型

生产力•机器学习•多模态学习

LongVA — 从语言到视觉的长上下文转换模型

图像•长上下文•视觉模型

MG-LLaVA — 多粒度视觉指令调优的创新MLLM

编程•机器学习•视觉处理

4M — 多模态和多任务模型训练框架

国外精选•多模态学习•Transformer模型

Stable Diffusion 3 免费在线 — 先进文本生成图像模型

图像•AI图像生成•文本到图像

VideoLLaMA2-7B-Base — 大型视频语言模型，提供视觉问答和视频字幕生成。

视频•视频分析•多模态学习

emo-visual-data — 表情包视觉标注数据集

图像•数据集•多模态学习

llama3v — 基于llama3 8B的SOTA视觉模型

图像•视觉模型•多模态学习

CuMo — 一种用于扩展多模态大型语言模型（LLMs）的先进架构。

编程•多模态学习•大型语言模型

Bunny — 轻量级但功能强大的多模态模型家族。

编程•多模态学习•机器学习

llava-llama-3-8b-v1_1 — 一款由XTuner优化的LLaVA模型，结合了图像和文本处理能力。

编程•多模态学习•深度学习

MyGO — 多模态知识图谱补全工具

编程•知识图谱•多模态学习

Stable Diffusion 3 API — 先进的文本到图像生成系统

图像•AI生成•图像生成

MoE-LLaVA — 基于大规模视觉-语言模型的专家混合模型

图像•大规模模型•多模态学习