Project Icon

visualwebarena

真实视觉网络任务评估多模态智能体表现的基准平台

VisualWebArena是一个评估多模态自主语言智能体的真实基准平台。它包含多种基于网络的复杂视觉任务,全面评估智能体的各项能力。该项目基于WebArena的可复现评估方法,提供端到端训练和环境重置功能,支持在任意网页上测试多模态智能体。项目还公开了GPT-4V + SoM智能体在910个任务中的表现数据,方便研究人员进行分析和评估。

midscene - AI支持的自然语言网页控制和数据提取
AI自动化GithubJSON格式Midscene.js开源项目断言功能自然语言交互
Midscene.js 是一款基于 AI 的自动化 SDK,能够使用自然语言控制网页、执行断言,并提取 JSON 格式的数据。它提供了直观的 UI 交互、数据格式提示和 AI 理解的断言功能,无需自定义训练,同时支持常用的多模态 LLM,如 GPT-4 等。还配备了可视化工具,便于调试和理解整个过程,为开发者提供全新的自动化开发体验。
Qwen2-VL-72B-Instruct-GPTQ-Int4 - 多语言支持与视觉语义分析增强
GithubHuggingfaceQwen2-VL多语言支持开源项目模型视觉理解视频理解跨设备集成
Qwen2-VL在多模态处理技术上取得进展,增强了多语言支持、图像和视频解析能力。在视觉理解测试中表现优异,可处理超过20分钟的视频,实现高质量问答和内容创作,并具备移动设备与机器人操作能力。多维位置嵌入提升了多模态处理效能,可识别多种语言文本,适用于复杂视觉场景。
ai-devices - 智能语音助手现支持多语音模型和视觉推断技术
AI设备GPT-4GithubOpenAI开源项目语音输入镜像处理
本项目是AI驱动的智能语音助手,集成多种AI模型和服务。支持语音输入、文字转语音、图片处理及功能调用,提供高级视觉推断,保障用户获得全面的智能交互体验。主要支持最新的gpt-4o和gemini-1.5-flash-latest视觉模型,满足现代科技需求。
LaVIT - 大语言模型理解生成视觉内容的统一框架
GithubLaVIT多模态大语言模型开源项目视觉内容理解视觉内容生成预训练策略
LaVIT项目是一个创新的多模态预训练框架,旨在增强大语言模型处理视觉内容的能力。该项目通过动态离散视觉标记化技术,将图像和视频转换为离散标记序列,使大语言模型能够理解和生成视觉内容。LaVIT支持图像和视频的理解、生成,以及多模态提示生成,为计算机视觉和自然语言处理的融合提供了新的可能性。
web-llm - 浏览器语言模型推理引擎,完全支持OpenAI API
GithubOpenAI API兼容性WebGPUWebLLM大语言模型开源项目浏览器内推理
WebLLM是一款借助WebGPU技术,实现硬件加速的浏览器内语言模型推理引擎,无需服务器即可直接在浏览器内运行。完全兼容OpenAI API,并具备流式输出和JSON模式生成功能,支持广泛的模型集成。通过NPM或CDN可以快速集成到各类AI交互应用中,同时确保用户隐私安全,并享受高效的GPU加速体验。
Holodeck - 语言驱动的3D AI环境生成系统
3D环境生成AI2-THORGithubHolodeck实体AI开源项目自然语言指导
Holodeck是一个基于AI2-THOR平台的开源项目,旨在通过自然语言指令生成逼真的3D AI环境。该系统结合GPT-4语言模型和高效布局算法,能将文字描述转化为详细的3D场景。Holodeck为embodied AI研究提供了便捷工具,支持快速创建多样化的复杂环境用于测试和训练。项目提供完整代码和文档,为AI研究社区贡献了有价值的资源。
InternVL2-40B - 强化跨模态大语言模型的能力
GithubHuggingfaceInternVL场景文本理解多模态开源项目模型视觉理解计算机视觉
InternVL 2.0 通过融合多模态大语言模型,在文件和图表理解、信息图问答、场景文本理解和OCR任务等方面表现出色。它能够利用长文本、多图片和视频进行训练,提升对多种输入的处理效率,并提供1亿到108亿参数的多种模型可选择,与商业模型相当。在多项基准测试中,InternVL 2.0 展示了其卓越的综合理解能力。
arena - 多样化强化学习环境平台,支持多种游戏和学习模式
AI训练DIAMBRA ArenaGithub对抗学习开源项目强化学习游戏环境
DIAMBRA Arena是一个开源的强化学习环境平台,集成了多款经典街机格斗游戏。它提供符合OpenAI Gym/Gymnasium标准的Python接口,支持单人和双人模式,适用于多种强化学习研究场景。该平台兼容主流操作系统,安装简便,并配有详细文档和示例。用户注册后可免费使用,还能参与在线竞赛。
evalscope - 综合性大语言模型评估开源工具
EvalScopeGithub可视化大语言模型开源项目模型集成评估框架
EvalScope是一个全面的大语言模型评估框架,集成了多种基准数据集和评估指标。该框架提供模型集成、自动评估和报告生成功能,并支持Arena模式和可视化分析。通过整合OpenCompass和VLMEvalKit评估后端,EvalScope实现了多模态评估能力。此外,它能与ModelScope SWIFT平台无缝对接,支持大模型的端到端开发流程。
webwhiz - 基于网站数据的易用AI聊天机器人
ChatGPTGithubWebWhiz定制开源项目无代码构建集成
无需编程经验,通过简单步骤即可在网站上部署基于ChatGPT的AI聊天机器人。系统自动抓取和更新网站数据,提供特定数据回应,并支持自定义和微调。支持离线消息和多种部署方式,如Docker和手动设置,适用于各种需求。WebWhiz核心功能包括免编程构建、自定义训练数据和无代码构建器,是希望提供高效客服支持的网站的理想选择。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号