开源多模态大模型，性能全球领先，关键指标比肩Gemini、GPT-4V

自主可控的高水平开源语言大模型，通过精炼数据框架，实现思维密度的跃升

开源多模态实时交互大模型

开源视频多模态大模型，AI视频理解既能“短平快”，亦可“长深细”。

提供多样性文档预训练及适配文档检测的模型结构优化

感知与导航智能-点云多模态大模型

包含蛋白质序列预训练模型

结合MCTS与self-refine，平衡搜索效率与准确率，提高语言模型的推理能力。

开源数学模型，不仅会“解题”，更会“判题”

将数学表达式图像转换为 LaTeX 的解决方案

感知与导航智能-兼具二维多模态能力的三维多模态大模型

视觉预测指导动作执行，端到端操作模型

4D交互式世界模型

全球中期气象预报模型，预报时效首次超过10天

第一个多模态以人为中心的通用模型

基于关键帧姿态与点云流的双臂协同操作算法

将PDF、word转化为机器可读格式的工具

涵盖大模型的全套轻量化、推理部署和服务解决方案

大语言模型评测工具，支持万亿大模型高效评测

轻量化大模型微调工具，首次支持 8G 显存微调

用于大型语言模型（LLM）和多模式LLM的预训练、微调和部署的开源工具包

多模态模型评测工具，支持主流多模态模型和数据集

功能强大的开源工具箱

综合性数据标注平台，专为处理多模态数据而设计。

通用具身智能仿真平台，“数模训测”一体化工具链

数据标注平台，优化对于大型语言模型（LLM）开发不可或缺的数据标注过程

基础架构团队-开源模型线性化工具

提供一套工具，可轻松从HTML中提取主体区域内容。

轻量级大模型训练框架

人形机器人运动智能-人形机器人驾驶舱

大语言模型群聊框架

解决 LLM 训练痛点

具有局部感知能力的结构化3DGS模型

具有层次细节结构（LOD）的 3D 高斯方法

运动智能-四足机器人控制算法

结合MCTS与self-refine，提高语言模型的推理能力。

一种双分支架构，将 3D 高斯投影（3DGS）与神经符号距离场（SDF）相结合

大语言模型驱动的统一人景交互框架

未标定的图像集合中进行新视角合成

EgoVis比赛多项冠军解决方案

机器人操作数据生成框架

感知与导航智能-纯仿真数据训练的通用导航扩散策略

感知与导航智能-基于2D VLM的三维视觉目标定位算法

通过GS重建环境，实现百条仿真数据实现多种任务 Sim2Real 迁移

基于第一视角VLM的实时可部署在线助手

感知与导航智能-具身多模态三维感知基准

书生·万卷多模态语料库的首个开源版本，数据总量超过2TB

首个大模型可信因果推理开放评测体系及开放平台

大规模跨第一、三视角程序性视频数据

首个多模态大模型可信因果推理能力评测 benchmark

精确对应的视觉语言检索数据集和模型

评估多模态大语言模型在面对恶意图像-文本组合时的安全性的数据集

高保真物理正确仿真场景数据集

大规模视频多模态LLM偏好对齐数据集

面向大多模态模型的综合性合成数据检测评测基准

评测大语言模型的安全评测数据集

Probing Cognitive Abilities of MLLM via Perception, Understanding, and Reasoning
SFE 系统性评测 MLLM 多学科高阶科学认知能力

首个大模型可信因果推理开放评测体系及开放平台

LLM中文高对抗性测试基准

多模态安全评测 + 纯文本对齐和多模态对齐baseline

感知与导航智能-基于多图的空间智能视觉问答（VQA）基准

首个LLM驱动的具身推理任务合成和评测

MLLM 的多维安全评估套件

An Undergraduate-Level Physics Reasoning Benchmark for Multimodal Models
评估多模态大型语言模型针对本科物理问题的推理能力

首个多模态大模型可信因果推理能力评测 benchmark

综合性Computer-Use Agent的安全风险评测基准

从公平、毒性、隐私层面对文生图模型进行安全评测

补充 LLM 在种业领域评测空白

首个从因果角度量化和评估多模态大模型单模态偏见问题的 benchmark

验证伪对齐问题的存在，并提出伪对齐评估 (FINE) 框架

系统地评估大型语言模型作为自主智能体核心的认知能动性

一套pipeline高效解决情感陪伴模型的效果评估问题