Vica2 Stage2 Onevision Ft
Apache-2.0
ViCA2是一个7B参数规模的多模态视觉语言模型,专注于视频理解和视觉空间认知任务。
视频生成文本
Transformers

英语
V
nkkbr
63
0
Paligemma Multimodal Query Rewrite
基于google/paligemma-3b-pt-224微调的多模态查询重写模型
图像生成文本
Transformers

P
utischoolnlp
31
1
Llava V1.6 Vicuna 7b
LLaVA是一款开源的多模态聊天机器人,通过对多模态指令跟随数据进行大语言模型微调训练而成。
文本生成图像
Transformers

L
liuhaotian
31.65k
123
Eilev Blip2 Opt 2.7b
MIT
基于BLIP-2-OPT-2.7B训练的第一人称视角视频优化视觉语言模型,采用EILEV创新方法激发上下文学习能力
图像生成文本
Transformers

英语
E
kpyu
214
4
Llava Int4
CC
LLaVA是一个多模态大模型,通过连接视觉编码器与大语言模型实现通用视觉助手功能
文本生成图像
Transformers

L
emon-j
40
2
Matcha Chartqa
Apache-2.0
MatCha是一个增强视觉语言模型处理图表与语言数据能力的预训练模型,在图表问答任务上表现优异
文本生成图像
Transformers

支持多种语言
M
google
1,060
41
Matcha Chart2text Statista
Apache-2.0
基于Chart2text-statista数据集微调的视觉语言模型,擅长图表理解和数值推理
图像生成文本
Transformers

支持多种语言
M
google
73
10
Matcha Chart2text Pew
Apache-2.0
MatCha是基于Pix2Struct架构的视觉语言模型,专门针对图表理解和数值推理任务进行优化,在图表问答任务中表现优异
图像生成文本
Transformers

支持多种语言
M
google
168
39
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文