foundation-models 第 4 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 4 / 6 页）
intelligent-app-workshop这是一个沉浸式工作坊项目，旨在展示如何将最先进的（SoTA）基础模型集成到产品体验和后台工作流中。它基于微软的 Copilot 技术栈、Microsoft Ag★ 208
pathology-foundation-models这是一个汇总病理学基础模型与特征提取器的开源列表项目，旨在为计算病理学研究者提供一站式的模型资源导航。项目系统整理了近年来发布的病理学基础模型（如基于自监督学习★ 208
InCTRLInCTRL 是 CVPR 2024 论文的官方实现，提出了一种基于上下文残差学习的通用异常检测方法。它解决的是传统异常检测模型泛化能力差、需要针对每个新场景重★ 202
small-dogesmall-doge 是一个早期开源的轻量级语言模型家族项目，旨在提供高效、易部署的小规模语言模型。它解决了大模型资源消耗高、部署门槛高的问题，通过精简架构和优★ 201
poseidonPoseidon 是一个面向偏微分方程（PDE）的高效基础模型，基于论文《Poseidon: Efficient Foundation Models for P★ 199
FRoM-W1FRoM-W1 是一个面向通用人形机器人全身控制的开源模型，基于 arXiv 论文实现，旨在通过自然语言指令驱动机器人完成复杂的全身动作。它解决了人形机器人控制★ 197
PhysioWavePhysioWave 是一个面向生理信号表示学习的多尺度小波-Transformer 模型，发表于 NeurIPS 2025。它旨在解决生理信号（如 ECG、E★ 194
afm-Serverafm-Server 是一个运行在 macOS 菜单栏的小工具，它将苹果设备内置的 Foundation Models（如设备端大模型）暴露为兼容 OpenAI★ 194
Text2EarthText2Earth 是一个面向遥感领域的文本生成图像开源项目，由 IEEE GRSM 2025 论文提出。它旨在解决遥感图像生成中数据稀缺和文本描述不足的问题★ 192
FLAIRFLAIR是一个针对视网膜眼底图像理解的基础语言-图像模型，发表于医学图像分析期刊MedIA'25。它旨在解决医学影像领域标注数据稀缺、模型泛化能力差的问题，通★ 192
olleholleh 是一个用 Swift 编写的命令行工具，兼容 Ollama 的 API 和 CLI 接口，让开发者能够通过熟悉的 Ollama 工作流来调用 App★ 188
femrFEMR是一个面向电子健康记录（EHR）的大规模自监督学习框架。它解决的核心问题是：医疗数据通常以非结构化的时间序列事件形式存在，难以直接用于机器学习模型。FE★ 183
Awesome-VLGFMAwesome-VLGFM 是一个关于视觉-语言地理基础模型（Vision-Language Geo-Foundation Models）的综述性资源列表，旨在★ 181
Awesome-Multimodal-Urban-Computing这是一个聚焦多模态城市计算的专业资源清单，系统整理了多模态数据融合模型与关键数据集。它解决了城市计算研究中数据来源多样、融合方法分散、数据集查找困难的问题，为研★ 180
papagei-foundation-modelPaPaGei 是一个面向光学生理信号（如PPG）的开源基础模型项目，相关论文已被ICLR'25接收。它旨在解决生理信号领域标注数据稀缺、模型泛化能力差的问题，★ 179
pandapanda 是一个面向非线性动力学系统的开源模型，基于“修补注意力”（Patched Attention）机制，相关论文已被 ICLR 2026 接收。它解决的★ 177
vesselFMvesselFM 是一个面向通用三维血管分割的基础模型，论文已被 CVPR 2025 接收。它旨在解决医学图像中血管结构复杂、标注数据稀缺且不同影像模态（如 C★ 177
XR-1XR-1是一个开源的多模态视觉-语言-动作模型，旨在通过统一的视觉-运动表征学习，实现机器人操作任务的通用泛化能力。该项目解决的是机器人学习领域中模型泛化性差、★ 173
agentic-ai这是一个精选的智能体AI资源列表，汇集了跨24个领域的研究论文、基准测试、框架和工具。项目旨在为开发者、研究者和爱好者提供一个系统化的入口，帮助他们快速了解智能★ 172
evaeva 是一个面向肿瘤学基础模型的评估框架，旨在系统化、标准化地评测各类癌症相关AI模型（如病理图像、基因组学或临床数据模型）的性能。它解决了肿瘤学领域模型评估★ 172
SaprotHubSaprotHub 是一个面向生物学家的蛋白质语言建模开源平台，旨在降低蛋白质AI模型的使用门槛。它解决了生物学家在应用蛋白质语言模型时面临的编程和计算资源障碍★ 170
OccAnyOccAny 是一个面向城市级 3D 占用预测的统一框架，旨在解决传统模型在多样化和非受限城市场景中泛化能力不足的问题。它通过整合 SAM2/SAM3、MUSt★ 170
IDvs.MoRecIDvs.MoRec 是一个面向多模态推荐系统的端到端训练框架，由快手主导开源。它针对当前推荐系统中广泛使用的 ID 序列建模与新兴的多模态内容（如文本、图像、★ 169
ChatTimeChatTime 是 AAAI 2025 oral 论文的官方 PyTorch 实现，定位为统一的多模态时间序列基础模型，旨在桥接数值数据与文本数据。它解决的核★ 169
ssl-wearablesssl-wearables 是一个面向可穿戴设备数据的自监督学习开源项目，基于英国生物银行（UK-Biobank）超过70万人天的加速度计数据构建。它解决了可穿★ 168
Awesome-Spatio-Temporal-Foundation-Models这是一个关于时空基础模型（Spatio-Temporal Foundation Models）的精选资源列表与综述，从数据、预训练、微调到推理的完整pipeli★ 167
BEVTBEVT 是 CVPR 2022 论文《BEVT: BERT Pretraining of Video Transformers》的官方 PyTorch 实现。★ 161
awesome-fm-fl这是一个精选列表，汇集了关于大型基础模型与联邦学习结合的最新研究进展。它解决了在数据隐私保护下，如何利用分散数据训练或微调大型基础模型的问题。项目整理了相关论文★ 160
RSPRSP是《An Empirical Study of Remote Sensing Pretraining》论文的官方代码库，专注于遥感图像预训练模型的实证研究★ 159
GeoPixelGeoPixel 是一个面向高分辨率遥感影像分析的像素级定位多模态大模型。它解决的是遥感图像中多目标精细定位与理解的问题，能够对图像中的多个目标进行像素级的分割★ 157
mantisMantis 是一个面向时间序列分类任务的轻量级基础模型，旨在解决传统时间序列模型依赖大量标注数据、泛化能力弱的问题。它采用预训练+微调范式，通过在大规模时间序★ 154
EarthDialEarthDial 是一个面向地球观测的多模态对话模型，由 CVPR 2025 论文提出。它旨在将卫星、航空等多传感器地球观测数据转化为交互式对话，让用户通过自★ 148
Awesome-Biosignal-Foundation-Model这是一个精选清单，汇集了生物信号（如脑电、心电、肌电等）领域的基础模型、数据集和工具。它旨在解决生物信号分析中缺乏统一资源索引的问题，帮助研究人员和开发者快速找★ 146
TABTAB 是一个面向时间序列异常检测（TSAD）方法的统一基准测试框架，相关论文被 PVLDB 2025 接收。它解决当前异常检测领域缺乏公平、全面评估平台的问题★ 146
Mamba-in-Computer-Vision这是一个关于Mamba模型在计算机视觉领域应用的综合性综述项目，系统梳理了Mamba（状态空间模型）在视觉任务中的技术进展与应用场景。Mamba是一种新兴的序列★ 144
pyxuPyxu是一个专注于计算成像的Python开源库，旨在提供模块化、可扩展的成像算法开发框架。它解决的是传统成像算法实现中代码复用性差、难以扩展到大规模数据或GP★ 142
TEMPOTEMPO 是一个基于提示词（prompt）的生成式预训练Transformer模型，专为时间序列预测任务设计，是ICLR 2024的官方开源实现。它针对传统时★ 142
ViGeoViGeo 是一个面向视频几何一致性估计的开源项目，旨在从视频序列中稳定地估计相机位姿和场景几何结构。它解决的是传统单帧几何估计在视频中因运动、遮挡和光照变化导★ 139
foundation-cancer-image-biomarker这是一个与2024年发表于《Nature Machine Intelligence》的论文配套的代码与评估仓库，聚焦于癌症影像生物标志物的基础模型。该项目旨在解★ 138
MedeaMedea 是一个面向生物医学领域的 AI 智能体，专注于跨生物背景的治疗推理。它利用大语言模型和知识图谱技术，帮助研究人员和临床医生整合基因组、蛋白质组、通路★ 135
CausalPFNCausalPFN 是一个基于上下文学习（In-Context Learning）的因果效应估计开源模型，旨在解决传统因果推断方法计算成本高、需要大量手工建模的★ 135
ftp1-policyFTP-1 是一个通用的触觉基础策略模型，旨在解决接触丰富操作任务中跨触觉传感器的泛化问题。它基于大规模多传感器触觉数据预训练，能够适配多种触觉传感器（如 Ge★ 135
VivaDictaVivaDicta 是一款面向 iOS 和 watchOS 的语音转文字应用，集成了 AI 语音键盘、设备端 RAG 和笔记对话功能。它利用 Apple 基础模★ 134
Genome_FactoryGenome_Factory 是一个面向基因组学模型的集成库，旨在统一处理基因组模型的微调、部署与解释。它解决了基因组学领域模型开发流程分散、工具链不统一的问题★ 131
routefinderRouteFinder 是一个面向车辆路径问题（VRP）的基础模型开源项目，发表于 TMLR 2025 并入选 ICML 2026。它旨在解决传统 VRP 求解★ 128
ts-iclTS-ICL 是一个基于时间索引的基础模型，专为时间序列预测和插补任务设计，通过上下文学习（In-Context Learning）机制，无需针对每个新数据集重★ 128
GRAPEGRAPE 是一个面向图神经网络的表示位置编码方法，由 ICLR 2026 论文提出。它通过将节点分组并学习组级别的表示位置编码，解决了传统位置编码在捕捉图结构★ 121
ConduitConduit 是一个用 Swift 编写的统一 LLM 推理 SDK，旨在为开发者提供一套简洁的接口，以连接本地和云端的多种大语言模型提供商。它解决了 Swi★ 120
NAFNAF（Neighborhood Attention Filtering）是一个用于零样本特征上采样的开源模型实现，由微软研究院和威斯康星大学麦迪逊分校的研究者★ 120
awesome-data-contamination这是一个关于大语言模型评估中数据污染问题的论文列表项目。数据污染指预训练数据中混入下游评估测试集，导致模型评估分数虚高、结果失真。该项目系统整理了相关研究论文，★ 118