MIMIC-CXR-VQA开源项目 – 医学视觉问答任务的数据集

CheXagent是一个基于视觉和语言的基础模型，专注于胸部X光片的解读，旨在解决医学图像领域中大规模视觉-语言数据集的有限性等挑战。该模型利用大规模的指令微调数据集CheXinstruct，设计了一个临床大型语言模型(LLM)和一个用于表示X射线图像的视觉编码器，同时连接视觉和语言模态的网络，提供了新的评估基准CheXbench用于系统评估。

Imagen是一个文本到图像的扩散模型，具有极高的真实感，利用大型变换器语言模型来理解文本并生成高保真图像。它在COCO数据集上取得了7.27的最先进FID分数，并在样本质量和图像-文本对齐方面被人类评审者优先选择。

LiveBench AI是一个由Abacus AI和杨立昆及其团队合作创建的基准测试工具，通过发布新问题和基于最新数据集设置评测，确保基准测试的无污染性。它包含18个任务，分为6个类别，初始发布960个问题，任务全面多样化。

吴恩达的课程，旨在引导学员完成LLM预训练流程，包括数据准备、模型架构配置、训练和评估。学员将学习如何使用HuggingFace获取训练数据，配置Transformer网络，运行训练并进行性能评估，同时探讨深度升级技术以降低计算成本。

Diarizers是一个用于微调pyannote说话人辨识模型的库，利用Hugging Face生态系统，提供了便捷的模型训练和评估功能。

‘英特尔创新大师杯’深度学习挑战赛赛道3专注于中文自然语言处理中的地址相关性任务，提供了一种基于深度学习的高效解决方案，包含模型训练、评估及开源实现，旨在促进社区的使用与贡献。

Glue Factory是CVG开发的一个库，用于训练和评估深度神经网络，专注于提取和匹配局部视觉特征。

gemma-cookbook是一个关于谷歌Gemma模型的全面指南，提供详细的使用说明和多种示例，帮助用户快速上手、训练和评估模型，同时包含最佳实践和优化建议，易于集成到现有的机器学习工作流中。

PaliGemma 2 Release 是由 Google 提供的多模态视觉语言模型集合，包含 3B、10B 和 28B 不同参数规模的模型。该项目基于 Gemma 2 语言模型和 SigLIP 视觉编码器，支持多种分辨率的图像输入，适用于图像描述、视觉问答（VQA）、光学字符识别（OCR）、表格结构识别和医学图像理解等任务。模型通过 Transformers 库进行微调，适合在广泛的视觉语言任务上实现领先性能。

JADE-Database是面向国内开源和国外商用大模型的Demo数据集，包含多种自然文本数据，覆盖多个问题类型，旨在用于大模型的靶向安全评测。

Landing AI 是一个计算机视觉平台和人工智能软件公司，提供名为 LandingLens 的云计算机视觉软件平台。用户可以通过自然提示交互在几分钟内创建自定义计算机视觉项目，使构建计算机视觉系统变得快速、简单和直观。用户可以直接拖放图像或通过网络摄像头捕获实时图像，使用标记工具标记图像中的对象，创造高质量的训练数据以实现最大准确性。标记后，用户可以训练模型并评估其性能。一旦模型足够准确，可以通过几次鼠标点击将其部署到云端或边缘设备。用户可以监控模型性能并根据需要进行更新。

Baichuan-Omni-1.5是一个支持文本、图像、视频和音频输入以及文本和音频输出的开源全模态基础模型。它在视觉语言、语音能力和医学图像理解方面表现出色，适用于多种多模态任务。

katakomba是一个专为NetHack游戏设计的数据驱动的基准测试工具，提供超过30个标准化数据集，并支持多种基于循环的离线强化学习基线模型，旨在促进研究和开发中的基准测试。

Medical_NLP项目涵盖医疗自然语言处理领域的比赛、数据集、大型模型、相关论文及工具包，旨在推动医疗NLP技术的发展与应用。

AI.JSX是一个开源项目，旨在使用JavaScript和JSX构建人工智能应用程序的框架。它提供了一套工具和功能，帮助开发者在JavaScript环境中构建AI应用程序。该框架支持机器学习，并提供了一些用于构建AI应用程序的API和库。AI.JSX的目标是使JavaScript开发者能够更轻松地构建和部署AI应用程序。