OmniAlign-V开源项目 – 提升多模态大模型对齐能力

SciBench旨在评估语言模型在复杂科学问题解决中的推理能力。通过开放和封闭数据集的深入基准测试，研究发现当前的语言模型在整体性能方面表现不佳，仅得到35.80%的分数。

HPT是HyperGAI的开源多模态大语言模型，能够有效理解文本和视觉输入之间的关系，提供强大的语义理解和生成能力，适用于各种应用场景。

hunyan video 是腾讯公司于2024年开源的一个重量级视频生成模型，拥有约13亿参数（原介绍为130亿，可能存在拼写错误），是目前最大的开源视频生成模型之一。该模型通过文本或图像生成高质量视频，尤其在图像质量、动态流畅性和语义理解方面表现优异。支持多模态大语言模型作为文本编码器，并采用3D VAE技术进行数据压缩。生成的视频质量可媲美电影级，支持多角度镜头自动切换，尤其对中国风格内容有较强表现力。用户可通过官网或元宝APP在线体验，或通过GitHub下载代码和模型权重自行部署。

HAL Harness是一个标准化的AI Agent评估框架与排行榜，旨在让AI代理的评估变得简单、可重复且高效。它支持多种基准测试，涵盖SWE-bench、USACO等，并可以在本地或云端运行，支持并行化以大幅提升效率。此外，HAL Harness无缝集成Weave，自动记录和跟踪成本与使用情况，为AI代理的评估和比较提供了全面的解决方案。

MLGym是Meta开源的首个专门用于机器学习任务的Gym环境，旨在通过13个跨领域的开放式任务训练AI掌握从生成想法到实验分析的完整研究能力。它集成了计算机视觉、自然语言处理、强化学习、博弈论等多个领域的任务，提供了轨迹可视化工具和Web UI，支持Docker和Podman容器化部署，便于快速上手和测试AI模型。

MMR1是多模态推理领域的前沿项目，通过极少量数据实现顶尖性能。该项目仅使用6k公开数据进行训练，达到了开源7B多模态模型的SOTA性能，并且在6小时内完成高效训练，具有极高的性价比。此外，MMR1采用了数据平衡策略，能够覆盖多样化的数学问题类型。

该项目是对多模态大语言模型的全面调查，涵盖最新进展、模型比较和评估以及多种应用场景，信息更新频繁，确保时效性。

该项目旨在收集所有与法律AI相关的数据，以促进智能司法系统的开发。

一个社区驱动的LLM数据和基准测试资源库，提供大量语言模型的详细信息，包括模型参数、上下文窗口大小、许可证详情、性能指标等数据。通过llm-stats.com网站可以交互式探索和比较不同的语言模型。

一个全面的移动端和PC端智能代理相关资源集合，包含最新论文、数据集和基准测试。收录了各类移动端智能代理系统的训练方法、输入类型、模型架构等详细对比，以及主流数据集的详细信息统计。

该项目是一个多模态大语言模型（MLLM）幻觉相关论文资源列表，汇集了关于MLLM中幻觉现象的研究论文，提供分类、标签和摘要，便于研究人员快速获取信息，并持续更新确保资源的时效性。

MiniMaxVL-01是MiniMax开发的多模态大型语言模型，基于Transformer架构，能够处理和理解文本和图像输入。它在多模态基准测试中表现优异，性能与GPT-4o和Claude-3.5-Sonnet相当，具有较长的上下文窗口（20-32倍于标准模型）。该模型通过API平台提供服务，广泛应用于招聘、电商、教育等领域，支持AI音乐生成、智能文档生成、AI语音合成、实时语音通话和AI视频生成等先进技术。

无人机与大语言模型的完美邂逅，开启低空智能移动新时代。项目汇总了前沿论文、开源数据集和平台工具，助力无人机与LLMs的研究与应用。项目不仅提供了丰富的研究资源，还为开发者提供了便捷的开发工具，推动无人机与LLMs技术的快速发展和应用。

该项目是一个专注于非结构化户外环境自动驾驶研究的资料列表，汇集了200多篇相关论文，涵盖了数据集、地图制作与定位、环境感知、路径规划、端到端驾驶解决方案等多个关键领域。项目旨在为研究者提供全面的参考资料，支持在复杂环境下的自动驾驶技术开发与优化。

MUG-U是一个强大的多模态大语言模型（MLLM），支持文本、图像、视频等多种输入，能够帮助用户轻松完成复杂的多模态任务。它在多个基准测试中表现卓越，平均准确率高达71.4%，并提供简单易用的API接口，方便快速上手。