AIbase

M2RAG
M2RAG
M2RAG适合从事多模态语言模型研究的学者和开发者，尤其是那些希望在多模态上下文中提升模型检索和生成能力的用户。它为研究人员提供了一个标准化的测试平台，能够帮助他们评估和改进多模态大语言模型的性能。
AI模型研究工具#多模态#检索增强生成#大语言模型#基准测试#图像#问答#事实验证普通产品开源
总访问量： 474,564,576
占比最多地区： US(19.34%)
624
产品介绍
网站流量
同类开源产品
替代品
简介
M2RAG是一个用于多模态上下文中的检索增强生成的基准测试代码库。它通过多模态检索文档来回答问题，评估多模态大语言模型（MLLMs）在利用多模态上下文知识方面的能力。该模型在图像描述、多模态问答、事实验证和图像重排等任务上进行了评估，旨在提升模型在多模态上下文学习中的有效性。M2RAG为研究人员提供了一个标准化的测试平台，有助于推动多模态语言模型的发展。
截图
产品特色
支持多模态任务，包括图像描述、多模态问答、事实验证和图像重排
提供多模态检索增强指令微调（MM-RAIT）方法，提升模型在多模态上下文学习中的表现
兼容多种预训练模型，如MiniCPM-V 2.6和Qwen2-VL
提供完整的数据集和代码实现，方便研究人员复现和扩展实验
支持零样本和微调两种设置，适用于不同的研究需求
提供详细的评估指标，用于衡量生成任务的性能
支持多模态文档检索，通过FAISS等技术实现高效检索
提供预训练模型的微调脚本，方便用户快速上手
使用教程
1. 克隆代码库：`git clone https://github.com/NEUIR/M2RAG`
2. 安装依赖：根据`requirements.txt`文件安装所需的Python包
3. 准备数据集：下载M2RAG数据集或按照说明自行构建，并放置在`data`文件夹中
4. 编码测试集查询和多模态语料库：运行`script/get_embed_test.sh`
5. 检索最相关的多模态文档：运行`script/retrieval_test.sh`
6. 使用检索到的文档进行零样本推理：运行`script/inference_cpmv.sh`或`script/inference_qwen.sh`
7. 对于图像重排任务，使用`script/compute_ppl_minicpmv.sh`或`script/compute_ppl_qwen2vl.sh`进行评估
8. 使用`src/evaluation`中的脚本评估生成任务的性能
流量来源
直接访问51.61%外链引荐33.46%邮件0.04%
自然搜索12.58%社交媒体2.19%展示广告0.11%
最新流量情况
月访问量
4.92m
平均访问时长
393.01
每次访问页数
6.11
跳出率
36.20%
总流量趋势图
地理流量分布情况
美国
19.34%
中国
13.25%
印度
9.32%
俄罗斯
4.28%
德国
3.63%
地理流量分布全球图
同类开源产品
MIT MAIA
优质新品
MAIA（Multimodal Automated Interpretability Agent）是由MIT计算机科学与人工智能实验室（CSAIL）开发的一个自动化系统，旨在提高人工智能模型的解释性。
研究工具#自动化
Dmind
DMind-1 和 DMind-1-mini 是针对 Web3 任务的领域专用大型语言模型，提供比其他通用模型更高的领域准确性、指令跟随能力及专业理解。
AI模型#人工智能
Arxiv Summarizer
该产品是一个 Python 脚本，利用 Gemini API 从 arXiv 获取和总结研究论文。
研究工具#论文摘要
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理
Surfsense
SurfSense 是一款开源的 AI 研究助手，它将多种外部资源（如搜索引擎、Slack、Notion 等）整合在一起，帮助用户高效地进行研究和信息管理。
研究工具#信息管理
Zerosearch
ZeroSearch 是一种新颖的强化学习框架，旨在激励大型语言模型（LLMs）的搜索能力，而无需与实际搜索引擎进行交互。
AI模型#搜索能力
Deerflow
DeerFlow 是一个深度研究框架，旨在结合语言模型与如网页搜索、爬虫及 Python 执行等专用工具，以推动深入研究工作。
研究工具#开源
Notellm
NoteLLM 是一款专注于用户生成内容的可检索大型语言模型，旨在提升推荐系统的性能。
AI模型#多模态处理
Deepseek Prover V2 671B
DeepSeek-Prover-V2-671B 是一个先进的人工智能模型，旨在提供强大的推理能力。
AI模型#开源
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k