Startseite Projekte VLM-R1
VLM-R1
Python

VLM-R1

Lösen Sie visuelles Verständnis mit verstärkten VLMs

von om-ai-lab · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
deepseek-r1grpollmApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Verwenden Sie ein Modell, um visuelle Referenzen in Bildern zu verstehen und das Verständnis der KI für Sprache und visuelle Inhalte zu verbessern.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
VLM-R1 — GitHub preview card
📈 Sternhistorie
6.02k6.00k
2026-07-042026-08-31
📈 VLM-R1 verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Lösen Sie visuelles Verständnis mit verstärkten VLMs

VLM-R1 hat 6k Sterne auf GitHub. Es wurde 384-mal geforkt. VLM-R1 ist hauptsächlich in Python geschrieben. Es wird seit 2025 aktiv entwickelt. VLM-R1 ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: deepseek-r1, grpo, llm, multimodal.

Frequently asked questions

Was ist VLM-R1?

Lösen Sie visuelles Verständnis mit verstärkten VLMs

Ist VLM-R1 Open Source?

VLM-R1 ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist VLM-R1 kostenlos?

Ja. VLM-R1 ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht VLM-R1?

VLM-R1 ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist VLM-R1 geschrieben?

VLM-R1 ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — VLM-R1

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=om-ai-lab-vlm-r1)](https://olud.ai/project/om-ai-lab-vlm-r1.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.