R1-Onevision开源项目 – 开源多模态视觉推理模型

Mozi是一个科技论文大模型，能够通过大规模语言模型和证据检索模型SciDPR，帮助用户进行问答和提供情感支持等多种任务。

meta-prompts是一种利用扩散模型处理视觉感知任务的方案，通过引入可学习的元提示到预训练的扩散模型中，以提取适合特定感知任务的特征。该方法旨在提高模型在各种视觉任务中的表现，支持丰富的语义信息提取，满足类别识别、深度感知和关键点感知等需求。

Qwen-VL是一个支持多种模态输入的高性能项目，旨在提供图像理解和生成能力，并具备灵活的API接口，适合多种应用场景。

LLaVA-CoT是第一个能够进行自发、系统推理的视觉语言模型，类似于GPT-01，具有强大的多模式处理能力。该模型通过11B参数的强大架构，支持复杂的视觉语言任务，并在多模式基准测试中表现优于多个现有模型。

FacTool是一个专为生成式AI设计的事实性检测工具，旨在多任务和多领域场景下进行事实错误检测。它支持多种任务，包括基于知识的问答、代码生成、数学推理和科学文献综述等，提供细粒度的事实定义，并在事实检查过程中提供明确的证据。

该项目旨在训练一种能够自我奖励推理的大型语言模型，使模型在推理过程中能够自主评估输出的正确性，而无需依赖外部反馈。通过结合强化学习技术，模型能够显著提升推理能力和自我修正能力，最终准确率提升最高可达14.2%。

旨在促进能在IMO竞赛中赢得金牌的开放共享AI模型诞生的比赛，设立于2023年11月。

Ferret是来自苹果的新型多模态大型语言模型，擅长图像理解和语言处理，尤其在理解空间参考方面展现了显著的优势。

这是一个专注于大语言模型在数学推理方面应用的资源集合，旨在帮助用户更好地理解和利用这些模型解决各种数学问题。该项目汇集了多种与数学推理相关的大语言模型，提供丰富的示例和应用案例，同时包含使用不同数学工具和库的指南，支持多种数学问题的解决方案。

DeepSeek v3是一个具有671B参数的混合专家架构的高级AI语言模型，能够在推理、代码生成和多语言处理等多种任务中提供卓越性能。该模型通过在线演示和API访问，支持本地及商业使用。

Diffbot LLM Inference Server 是一个智能推理服务器，通过实时知识图谱和外部工具来提升语言模型的准确性和实用性，具备多种先进功能，能够处理和理解文本、图像及代码，提供高效的信息提取和检索服务。

中文Mixtral混合专家大模型，基于Mistral.ai发布的Mixtral模型，经过中文增量训练和指令精调，支持长文本处理与多种应用框架。

estimatooor是一个利用ChatGPT的工具，帮助用户通过简单的数学推理来解决看似复杂的问题。用户可以选择任何主题进行问题解决，适合需要快速估算或分析的场景。

FiT3D项目旨在通过3D感知的微调技术来增强2D特征表示，提升图像理解和识别的能力。该项目结合了深度学习和计算机视觉的前沿技术，致力于在多种视觉任务中实现更高的性能。

ChatGLM-6B是一个支持图像理解的多模态对话语言模型，旨在提供更好的中英文对话体验。它通过增强的英文指令微调数据，解决英文回答中夹杂中文词语的问题，提升了用户的交互体验。