foundation-models 第 3 页
本站收录 274 个带「foundation-models」标签的 AI 开源项目（按 GitHub 星标从高到低，第 3 / 6 页）
fondantFondant 是一个面向生产环境的数据处理框架，旨在简化并共享大规模数据流水线的构建。它解决了机器学习项目中数据准备阶段繁琐、重复且难以协作的问题，提供了一套★ 358
EvoCUAEvoCUA 是一个正在演进中的计算机使用智能体（Computer Use Agent）开源项目，旨在让 AI 像人一样操作电脑，自动完成跨应用的复杂任务。它解★ 354
awesome-segment-anything-extensions这是一个精选列表，汇集了围绕 Meta 的 Segment Anything Model (SAM) 生态的各类扩展项目、工具和资源。它解决了 SAM 社区资源★ 349
FoundationChatFoundationChat 是一个基于 iOS 26 新推出的 Foundation Models 框架构建的原生聊天应用，完全使用 Swift 编写。它解决★ 349
GRID-playgroundGRID-playground 是一个面向通用机器人智能开发的开源平台，旨在为机器人领域的研究者和开发者提供统一的开发与测试环境。它解决了机器人开发中环境配置复★ 346
react-native-apple-llmreact-native-apple-llm 是一个 React Native 插件，允许开发者通过 Foundation Models 框架在 iOS 应用中★ 346
ViP-LLaVAViP-LLaVA是CVPR 2024收录的多模态大模型，旨在让模型理解任意视觉提示（如点、框、涂鸦等），而不仅限于文本指令。它解决了现有视觉语言模型只能处理全★ 338
AnimateAnyMeshAnimateAnyMesh 是一个基于 ICCV 2025 论文的官方开源项目，旨在实现文本驱动的通用网格动画生成。它采用前馈（Feed-Forward）架构★ 335
stable-pretrainingstable-pretraining 是一个用于预训练基础模型和世界模型的 Python 库，主打可靠、极简和可扩展。它主要解决深度学习研究中预训练流程复杂、复★ 333
FiT3DFiT3D 是一个针对二维基础模型（如 DINOv2、MAE 等）进行三维感知微调的开源框架，其研究成果发表于 ECCV 2024。核心问题是：现有的二维视觉特★ 331
meta-promptingmeta-prompting 是论文《Meta Prompting for AI Systems》的官方实现，旨在通过一种名为“元提示”的技术增强 AI 系统的★ 329
CLIPACLIPA是NeurIPS 2023论文的官方开源实现，核心发现是CLIP训练中存在逆缩放定律，即模型容量与数据规模可以按比例缩减而不损失性能。项目提供了高效训★ 323
ecg-fmecg-fm 是一个基于深度学习的心电图（ECG）分析基础模型，旨在为心电图数据提供通用的特征表示。它解决了传统心电图分析依赖人工特征工程和特定任务模型、泛化能★ 322
RS5MRS5M是一个面向遥感领域的大规模视觉-语言数据集，由复旦大学等机构发布，旨在解决遥感图像理解中缺乏高质量图文对数据的问题。该数据集包含超过500万张遥感图像及★ 321
mace-foundationsMACE foundation models 是一系列基于 MACE（多体原子簇扩展）架构的预训练基础模型，包括 MP、OMAT 和 mh-1 三个版本。该项目★ 316
Awesome-Multimodal-LLM-Autonomous-Driving这是一个聚焦多模态大语言模型（MLLM）在自动驾驶领域应用的精选资源列表，源自WACV 2024综述论文。项目系统梳理了该交叉方向的研究进展，包括数据集、模型架★ 311
MicroLensMicroLens 是一个大规模短视频推荐数据集，包含原始文本、音频、图像和视频数据，由 DeepMind 邀请的 Talk 中提出。它旨在为多模态推荐系统研究★ 309
Awesome-Foundation-Models-in-Medical-Imaging这是一个精选清单，汇集了医学影像领域中的基础模型，涵盖视觉和语言任务。项目旨在解决医学影像分析中模型分散、难以追踪的问题，为研究人员和开发者提供结构化的资源导航★ 305
tirexTiRex 是一个面向时间序列预测的开源模型，主打零样本（Zero-Shot）跨长短周期预测，并强化了上下文学习（In-Context Learning）能力。★ 305
Awesome-Foundation-Models-for-Weather-and-Climate这是一个关于天气与气候基础模型的综合资源列表，收录了近年来基于深度学习的基础模型在气象和气候数据理解方面的研究进展。项目系统梳理了相关模型、数据集、基准测试和论★ 299
LRV-InstructionLRV-Instruction 是一个用于缓解大型多模态模型（LMM）幻觉问题的开源项目，其核心方法是通过鲁棒的指令微调来提升模型对视觉内容的忠实度。项目针对当★ 297
tapestryTapestry 是一个旨在让每个国家和参与者拥有自己前沿 AI 的开源项目。它通过组建全球联盟，共同训练一个共享的前沿基础模型，各合作伙伴基于此构建并拥有符合★ 294
Large-Scale-MedicalLarge-Scale-Medical 是一个面向大规模三维医学影像预训练的开源项目，发表于 TPAMI 2026。它针对医学影像分析中标注数据稀缺、模型泛化能★ 290
Awesome-Trajectory-ComputingAwesome-Trajectory-Computing 是一个专注于轨迹数据管理与挖掘的精选资源列表，汇集了深度学习、大语言模型（LLM）和基础模型（FM）在★ 288
language-plannerlanguage-planner 是论文《Language Models as Zero-Shot Planners》的官方代码，旨在利用大型语言模型（LLM）★ 282
FrancaFranca 是一个用于可扩展视觉表示学习的开源项目，其核心创新在于提出嵌套套娃聚类（Nested Matryoshka Clustering）方法。该方法通过★ 282
finetune-SAMfinetune-SAM 是官方提供的用于在定制医学图像上微调 SAM（Segment Anything Model）的代码仓库。它解决了通用分割模型在医学影像★ 279
SARATR-XSARATR-X 是一个面向合成孔径雷达（SAR）目标识别的基础模型，旨在解决传统 SAR 图像解译依赖人工特征、样本稀缺且泛化能力弱的问题。它基于视觉 Tra★ 275
GeoPTGeoPT 是一个面向物理仿真的预训练模型框架，其核心思路是通过“提升几何预训练”技术，让模型在无需大量标注数据的情况下，学习物理系统的几何与动力学规律。它解决★ 272
TSLANetTSLANet 是一个面向时间序列任务的轻量级基础模型，发表于 ICML 2024。它结合卷积操作与自适应频谱分析，旨在统一处理分类、回归、异常检测和插补等多种★ 268
AnomalyDINOAnomalyDINO 是一个基于 DINOv2 的少样本异常检测开源模型，发表于 WACV2025。它针对工业质检中标注样本稀缺的问题，通过增强 patch ★ 265
MedFMMedFM 是 NeurIPS 2023 挑战赛的官方代码库，聚焦医学基础模型（Medical Foundation Models）的评测与微调。它提供了一套标★ 263
Awesome-AI4DigitalPathology这是一个面向计算病理学（数字病理）领域的精选资源清单，旨在为研究人员、从业者和爱好者提供一站式入口。项目系统整理了该领域的开源工具、数据集、预训练模型、论文和代★ 262
foundation-model-benchmarking-tool这是一个用于基础模型（大模型）基准测试的开源工具，旨在帮助用户在 AWS 云平台上运行任意模型，并对比不同实例类型和服务栈（serving stack）的性能表★ 256
MixEvalMixEval 是一个大语言模型评估套件，提供动态更新的评测数据集和标准化评估流程。它解决传统静态基准测试因数据泄露和过拟合导致模型分数虚高的问题，通过混合多种★ 253
MTPMTP 是 JSTARS'24 论文的官方实现，提出了一种面向遥感基础模型的多任务预训练方法。它通过同时学习多个遥感任务（如场景分类、语义分割、目标检测等）来训★ 253
tabpfn-clientTabPFN Client 是一个轻量级 Python 客户端，旨在简化对表格基础模型 TabPFN 的 API 访问。TabPFN 是一种基于 Transfo★ 252
UniActUniAct是CVPR 2025收录的官方实现，提出“通用动作”概念，旨在增强具身基础模型（如机器人操作模型）的能力。它解决的是具身智能中动作表示不统一、模型泛★ 246
FM-AD-SurveyFM-AD-Survey 是一个持续更新的综述论文仓库，专注于大型基础模型（Foundation Models）在自动驾驶场景生成与分析中的应用。它系统收集和整★ 244
JAFARJAFAR是NeurIPS 2025收录的官方代码项目，核心解决深度学习模型中特征分辨率受限的问题。传统模型通常只能在固定分辨率下提取特征，而JAFAR允许在任★ 240
helicalhelical 是一个专注于基因组学和转录组学模态的预训练生物基础模型框架，旨在为研究人员提供开箱即用的先进生物模型。它解决了生物信息学领域模型复用难、标准化缺★ 234
AttackVLMAttackVLM 是一个针对视觉语言模型（VLM）的红队攻击工具集，源自 NeurIPS 2023 论文。它提供了一系列对抗性攻击方法，用于评估和揭示 VLM★ 231
time-series-ptms这是一个时间序列预训练模型（PTMs）的官方实现代码库，对应TKDE-24论文《A Survey on Time-Series Pre-Trained Mode★ 230
Awesome-Foundation-Models-on-Graphs这是一个关于图基础模型的精选资源列表，汇集了图基础模型领域的论文、代码和数据集。它旨在解决图基础模型研究资料分散、难以系统获取的问题，为研究人员和开发者提供一站★ 230
raptorraptor 是一个面向四旋翼无人机控制的基础策略（Foundation Policy）开源项目。它旨在解决传统无人机控制器依赖精确建模和手工调参、泛化能力弱的★ 230
mPLUG-2mPLUG-2 是阿里巴巴达摩院提出的模块化多模态基础模型，发表于 ICML 2023。它旨在统一处理文本、图像和视频三种模态，解决传统多模态模型在跨模态理解和★ 228
Awesome-RS-SpatioTemporal-VLMs这是一个关于遥感时空视觉语言模型（SpatioTemporal Vision-Language Models）的综述性开源项目，对应IEEE GRSM 2025★ 227
Awesome-Anomaly-Detection-Foundation-Models这是一个精选列表，汇集了基于基础模型（如大语言模型、视觉-语言模型、图基础模型、时间序列基础模型）进行异常检测的相关论文和资源。项目旨在为研究者和工程师提供一个★ 224
LocalLLMClientLocalLLMClient 是一个用 Swift 编写的开源包，旨在让开发者能够在 iOS、macOS 和 Linux 上直接运行本地大语言模型（LLM）。它★ 218
DOFADOFA 是一个受神经可塑性启发的多模态地球观测基础模型，旨在解决遥感领域不同模态（如光学、雷达、高光谱等）数据分布差异大、难以统一建模的问题。它通过动态融合和★ 216