Logo
Project Icon

MobileAgent

移动设备多模态操作助手

Mobile-Agent移动设备操作助手多代理协作CCL 2024ICLR 2024Github开源项目

移动设备操作助手家族，包括Mobile-Agent-v3和Mobile-Agent-v2，支持多模态操作和高效导航。该项目通过多代理协作实现快速推理和低内存消耗，适用于各类应用场景。Mobile-Agent在CCL 2024上荣获最佳演示奖，并提供在Hugging Face和ModelScope上的在线体验，无需额外配置即可使用，满足智能操作需求。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
MiniCPM-Llama3-V-2_5 - 手机端多模态大语言模型突破性进展：8B参数达GPT-4V水平
GithubHuggingfaceMiniCPM-Llama3-VOCR能力多模态大语言模型多语言支持开源项目模型边缘设备部署
MiniCPM-Llama3-V-2_5是一款创新型多模态大语言模型，仅使用8B参数即达到GPT-4V级性能。该模型具备出色的OCR能力、可靠的行为表现和广泛的多语言支持，可高效部署于手机等边缘设备。支持30多种语言，并提供多种灵活部署方式，如llama.cpp、GGUF格式和LoRA微调。MiniCPM-Llama3-V-2_5标志着端侧多模态大语言模型的重要进展。
llama-agentic-system - 基于Llama 3.1的多功能智能系统
Githubllama-agentic-system代理任务分布式系统大语言模型安全评估开源项目
llama-agentic-system是基于Llama 3.1构建的智能系统,具备任务分解、多步推理和工具使用能力。系统集成了模型推理、安全检查和代码执行环境,并通过Llama Guard进行内容过滤,为开发者提供了构建生成式AI应用的完整工具链。
code-act - 使用可执行代码统一LLM代理机制
CodeActCodeActAgentGithubKubernetesLLMPython开源项目
CodeAct通过可执行代码统一了LLM代理的行动空间，并利用集成的Python解释器实现动态行为调整。相比文本和JSON，CodeAct成功率提高了20%。项目包含详细数据集和模型说明，并支持Kubernetes部署，显著提升在非专业任务中的性能表现。
Autonomous-Agents - 自主代理人领域的最新研究动态
Autonomous AgentsGithubLLM多智能体系统开源项目深度学习研究论文
Autonomous Agents项目每日更新研究论文，涵盖大模型推理计算、递归多代理系统、身份生成等多个领域。该项目致力于通过推理计算优化、任务环境生成和工具管理等方式，提高自主代理人的效率与功能。每篇论文经过评审，展示了LLM模型在角色模拟、法律咨询和心理健康咨询等领域的应用。了解最新技术和实际案例，洞见自主代理人的发展趋势。
agentlego - 多模态工具扩展及集成的开源库
AgentLegoGithub图像生成大语言模型开源项目视觉感知语音处理
AgentLego是一个提供多种工具API的开源库，旨在增强基于大语言模型的代理功能。它支持多模态工具，如视觉感知、图像生成与编辑、语音处理等，且易于集成到LangChain、Transformers Agents和Lagent等框架中。同时，AgentLego支持远程访问和工具服务，适用于需要大型机器学习模型或特定环境的应用。
AIOS - 嵌入大型语言模型的智能操作系统新范式
AIOSGithub大语言模型开源开源项目操作系统智能代理
AIOS是一个创新的大型语言模型(LLM)代理操作系统，将LLM嵌入操作系统作为智能核心。它解决LLM代理开发和部署中的调度、上下文切换和内存管理等问题，为开发者和用户打造优化生态系统。AIOS在OS内核之上提供LLM内核抽象，简化代理的安装、执行和使用，并通过SDK加速开发与部署流程。
CogVLM - 开源视觉语言模型，提升图像理解与跨模态对话功能
CogAgentCogVLMGithub图像理解多回合对话开源项目跨模态基准测试
CogVLM和CogAgent是领先的开源视觉语言模型，专注于图像理解和跨模态任务。CogVLM-17B拥有100亿视觉参数和70亿语言参数，并在NoCaps、Flicker30k等十个经典跨模态基准测试上表现出色。CogAgent在CogVLM的基础上改进，增添了GUI图像代理能力，支持1120*1120分辨率的图像理解，并在VQAv2、TextVQA等九个基准测试中表现优秀。该项目提供详细的技术文档、示例代码和Web演示，用户可以方便地进行模型推理和微调。了解更多信息，请访问项目主页。
AIlice - 本地运行的开源AI助理，助力高效完成复杂任务
AIliceGPT-4Github人工智能助手开源项目自动化语言模型
AIlice是一款全自主、通用的开源AI代理，旨在创建独立的AI助理，类似JARVIS。该代理采用开放源码的大语言模型(LLM)作为核心，擅长主题研究、编码、系统管理和文献综述等任务，支持多模态模型和语音互动功能。基于GPT-4，AIlice在日常任务中表现卓越，并支持自我扩展和模块动态加载，实现功能无限扩展。用户可通过简易指令完成多种复杂任务，享受高效的交互和任务执行体验。
ChatDev - 推动智能代理软件开发的虚拟平台
ChatDevGithubLLM多智能体协作开源项目智能代理热门软件开发
ChatDev是一个虚拟软件公司，通过智能代理在多个角色中协作，包括设计、编码、测试和文件记录等任务。基于大型语言模型(LLMs)，这个框架不仅易于使用、高度可定制和可扩展，而且还提供了研究集体智能的理想场景。该平台支持实时可视化配置，并通过Docker进行安全执行，积极推动LLM驱动的多代理协作和相关领域的发展。
atomic-agents - 基于原子设计理念的AI多智能体开发框架
AI框架Atomic AgentsGithub可扩展多代理系统开源项目模块化
Atomic Agents框架采用模块化设计，便于扩展和使用。它基于原子设计理念，强调组件的单一功能和可重用性。框架集成了Instructor和Pydantic，支持多种语言模型API。开发者可利用其工具和代理快速构建AI应用，适用于不同开发环境。项目提供详细文档和示例，持续接受社区贡献以促进功能完善。
相关项目
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务
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