layoutlm-document-qa

LayoutLM文档智能问答模型

模型 Github 视觉问答开源项目 Huggingface LayoutLM 图像识别自然语言处理文档问答

LayoutLM文档智能问答模型是一个经过SQuAD2.0和DocVQA数据集微调的多模态模型。它能够准确回答发票、合同等各类文档图像中的问题，支持简单的Python代码调用。该模型为文档信息提取和理解提供了高效便捷的解决方案，适用于多种文档处理场景。

Github

Huggingface

介绍相关项目

Multi-Modality-Arena - 完善的多模态模型评估工具，让视觉问答更精准

GithubLVLM LeaderboardLVLM-eHubMulti-Modality ArenaOmniMedVQATiny LVLM-eHub开源项目

Multi-Modality Arena 是一个专注于评估多模态模型的开放平台，支持视觉问答任务的对比测试。平台发布了OmniMedVQA和Tiny LVLM-eHub等评估基准，涵盖广泛的视觉和语言领域。用户可以访问在线演示，参与评估项目，并利用丰富的模型和数据集资源进行性能优化。

MiniGPT-4 - 视觉语言多任务学习的统一接口

GithubMiniGPT-v2图像理解多任务学习大型语言模型开源项目视觉语言模型

MiniGPT-4是一个视觉语言理解项目，整合了Llama 2和Vicuna模型以增强多模态能力。它支持图像描述、视觉问答和多任务学习，能够处理复杂的视觉理解任务。项目的开源性和灵活架构为研究人员和开发者提供了探索视觉语言AI的工具。

PixelLM - 像素级推理与理解的大型多模态模型

GithubMUSE数据集PixelLM像素级推理图像分割多模态大模型开源项目

PixelLM是一种创新的大型多模态模型，专注于像素级推理和理解。它能处理开放集目标和复杂推理任务，同时保持LMM的基本结构。通过轻量级像素解码器和分割码本，PixelLM实现高效mask生成。项目同时推出MUSE数据集，为多目标推理分割研究提供高质量基准。在多个基准测试中，PixelLM展现出优越性能。

OLMo-7B-0724-Instruct-hf - 改进自然语言处理任务的问答精度与模型性能

GithubHuggingfaceOLMo开源项目模型模型评估自然语言处理训练数据语言模型

OLMo 7B Instruct是由Allen Institute for AI与多家机构于2024年7月发布的更新版语言模型。此版本通过微调技术优化基础模型的问答能力，基于Dolma和Tulu 2 SFT混合数据集进行训练，提高了绩效和安全性。其自回归Transformer结构适用于精确的英文自然语言处理任务。

Awesome-LLM-Tabular - 大型语言模型与表格数据处理研究进展

GithubLLM人工智能开源项目机器学习自然语言处理表格数据

Awesome-LLM-Tabular汇集了大型语言模型在表格数据处理领域的研究论文，涵盖数据表示、问答和推理等方面。项目提供论文详细信息、相关工作坊和博客文章，为研究人员提供全面的参考资源，助力快速了解该领域的最新进展。

LLMGA - 用于精确图像生成和编辑的多模态大语言模型

ECCV2024GithubLLMGA图像生成多模态大模型开源项目

LLMGA基于多模态大语言模型，提供图像生成与编辑解决方案。结合Stable Diffusion和详细语言生成提示，项目提升了上下文理解并减少生成过程中的噪音，增强图像内容的精度。LLMGA支持文本到图像（T2I）、补画、扩画及指令编辑，适用于Logo设计、海报制作和故事绘本生成，支持中英文指令。广泛的模型和数据集选择满足不同需求，是理想的图像生成和编辑助手。

local-ai-stack - 本地运行的AI文档问答应用框架

GithubLangchain.jsOllamaSupabase开源项目文档问答本地AI应用

Local AI Stack项目实现了完全本地化的AI文档问答应用。它集成了Ollama推理引擎、Supabase pgvector向量数据库、Langchain.js LLM编排工具、Next.js应用框架和Transformer.js嵌入生成库。项目提供详细指南，涵盖依赖安装、本地数据库配置、嵌入生成等步骤，便于用户构建个人AI文档问答系统。

doctran - 基于LLM的智能文档转换和处理框架

DoctranGithubLLMOpenAI开源项目文档转换自然语言处理

Doctran是一个基于大型语言模型的文档转换框架，通过自然语言指令处理复杂字符串。该框架提供模块化和声明式的方法，充分利用OpenAI的功能调用特性。Doctran支持提取、编辑、总结、精炼、翻译和问答生成等多种操作，简化了非结构化文本的处理过程。这个开源项目主要应用于需要高级判断的文档解析场景，例如交易标记和语义信息提取。

FrozenBiLM - 创新视频问答模型在零样本和少样本场景中表现优异

FrozenBiLMGithubVideoQAzero-shot多模态开源项目语言模型

FrozenBiLM是一种基于冻结双向语言模型的视频问答模型。该模型在零样本和少样本场景下表现优异，同时在标准数据集上也具有竞争力。FrozenBiLM采用跨模态训练方法，可处理填空题和开放式问答等多种视频问答任务。此外，该模型适用于无监督学习和下游任务微调，展现出较强的灵活性和适应性。

LLMSurvey - 大型语言模型（LLM）的论文和资源的汇总

GPT系列GithubLLMSurvey大型语言模型开源项目技术演进调优实验

LLMSurvey 汇总了大量关于大型语言模型（LLM）的论文和资源。介绍了从GPT到LLaMA系列的技术演变，分析了在指令调整实验中不同类型指令对LLM性能的影响，同时提供了针对初学者的中文书籍，以帮助理解该领域的基本框架和发展路线。

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com