Alternatives and similar repositories for Basic-Visual-Language-Model

Users that are interested in Basic-Visual-Language-Model are comparing it to the libraries listed below

• WatchTower-Liu / VLM-learning
  Building a VLM model starts from the basic module.
  ☆18Updated last year
• AI-Study-Han / Zero-Qwen-VL
  训练一个对中文支持更好的LLaVA模型，并开源训练代码和数据。
  ☆78Updated last year
• owenliang / qwen-dpo
  通义千问的DPO训练
  ☆60Updated last year
• owenliang / DeepSeek-Distill-Qwen-For-Child
  ☆58Updated 10 months ago
• Alannikos / FunGPT
  In this fast-paced world, we all need a little something to spice up life. Whether you need a glass of sweet talk to lift your spirits or…
  ☆60Updated 7 months ago
• liujunwen23 / MIRE
  WWW2025 Multimodal Intent Recognition for Dialogue Systems Challenge
  ☆130Updated last year
• LDLINGLINGLING / adan_application
  一些大语言模型和多模态模型的生态,主要包括跨模态搜索、投机解码、QAT量化、多模态量化、ChatBot、OCR
  ☆194Updated 5 months ago
• Czi24 / Awesome-MLLM-LLM-Colab
  Happy experimenting with MLLM and LLM models!
  ☆129Updated last year
• leeguandong / XrayQwenVL
  基于qwenvl微调一个多模态Xray识别的大模型
  ☆21Updated last year
• VovyH / MultiAgent-Search
  [2025-上海人工智能实验室书生实训营十佳、优秀项目]
  ☆42Updated 3 months ago
• HCPLab-SYSU / Book-of-MLM
  《多模态大模型：新一代人工智能技术范式》作者：刘阳，林倞
  ☆258Updated last year
• BUAADreamer / MLLM-Finetuning-Demo
  使用LLaMA-Factory微调多模态大语言模型的示例代码 Demo of Finetuning Multimodal LLM with LLaMA-Factory
  ☆56Updated last year
• wdndev / mllm_interview_note
  主要记录大语言大模型（LLMs） 算法（应用）工程师多模态相关知识
  ☆256Updated last year
• aJupyter / ThinkLLM
  ThinkLLM：🚀 轻量、高效的大语言模型算法实现
  ☆115Updated 8 months ago
• MM-LLMs / mm-llms.github.io
  ☆33Updated last year
• owenliang / bpe-tokenizer
  LLM Tokenizer with BPE algorithm
  ☆47Updated last year
• Marstaos / MetaSearch
  MetaSearch：llm深度研究（deepsearch）功能方案实现
  ☆35Updated 5 months ago
• zhangfaen / finetune-InternVL2
  ☆31Updated last year
• matthewchung74 / qwen_2_5_3B_GRPO_medical_thinking
  ☆47Updated 9 months ago
• yujunhuics / Reyes
  从零到一实现了一个多模态大模型，并命名为Reyes（睿视），R：睿，eyes：眼。Reyes的参数量为8B，视觉编码器使用的是InternViT-300M-448px-V2_5,语言模型侧使用的是Qwen2.5-7B-Instruct，Reyes也通过一个两层MLP投影层连…
  ☆28Updated 11 months ago
• pydaxing / clip_blip_embedding_rag
  在RAG技术中，嵌入向量的生成和匹配是关键环节。本文介绍了一种基于CLIP/BLIP模型的嵌入服务，该服务支持文本和图像的嵌入生成与相似度计算，为多模态信息检索提供了基础能力。
  ☆41Updated last year
• yongzhuo / qwen2-sft
  Qwen1.5-SFT(阿里, Ali), Qwen_Qwen1.5-2B-Chat/Qwen_Qwen1.5-7B-Chat微调(transformers)/LORA(peft)/推理
  ☆69Updated last year
• SmartFlowAI / TheGodOfCookery
  ☆108Updated 10 months ago
• Alibaba-NLP / VRAG
  Repo for "VRAG-RL: Empower Vision-Perception-Based RAG for Visually Rich Information Understanding via Iterative Reasoning with Reinforce…
  ☆427Updated last week
• JerryMazeyu / MCM
  MCM(Multimodal Chinese Medical LLM)多模态中医问诊大模型
  ☆136Updated last year
• StarRing2022 / R1-Nature
  最简易的R1结果在小模型上的复现，阐述类O1与DeepSeek R1最重要的本质。Think is all your need。利用实验佐证，对于强推理能力，think思考过程性内容是AGI/ASI的核心。
  ☆45Updated 11 months ago
• HuggingAGI / HuggingArxiv
  ☆267Updated last year
• i2vec / MMDocRetrievalChallenge
  ☆25Updated 9 months ago
• xueyongfu11 / awesome-deep-learning-resource
  个人总结的大模型、自然语言处理NLP、多模态、计算机视觉CV等方向paper的阅读笔记；收集到或者使用到的一些NLP、CV等领域的优秀开源仓库；其他：如数据集、评测leaderboard等
  ☆59Updated last week
• reilxlx / llava-Qwen2-7B-Instruct-Chinese-CLIP
  模型 llava-Qwen2-7B-Instruct-Chinese-CLIP 增强中文文字识别能力和表情包内涵识别能力，接近gpt4o、claude-3.5-sonnet的识别水平！
  ☆27Updated last year