#161 · 主分类： AI工具目录与精选清单
awesome-vlm-architectures
ai-agents
architecture-diagrams
arxiv
awesome
awesome-list
computer-vision
deep-learning
foundation-models
large-multimodal-models
mllm
model-architecture
multimodal
multimodal-ai
multimodal-llm
natural-language-processing
release-timeline
research-papers
transformers
vision-language-models
vlm
精选的155+视觉语言模型（VLM/MLLM）架构视觉目录：论文、图表、训练配方、数据集以及多模态AI智能体的发布时间线。
项目最后更新：07/31/26
GitHub Stars
1.3K
Forks数量
55
贡献者数量
1
许可证
Other
收录理由
研究视觉语言模型的工程师和学者，常常面对大量论文和架构感到无从下手，这个仓库正好把155多种VLM和多模态大模型的设计整理成一份以引用为核心的视觉索引。每个条目都链到原始论文，讲清楚模型结构、视觉与语言如何对齐融合，还列出训练阶段、数据集和关键设计取舍。时间线从CLIP、Flamingo一路排到近期的多模态推理和智能体模型，方便追溯思路演变。它不提供可运行代码，价值在于作为文献地图，帮你在动手前对比不同模型家族，找到该引用的那篇论文。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。