Accueil Projets Awesome-MCoT
Awesome-MCoT
TeX

Awesome-MCoT

Raisonnement multimodal en chaîne de pensée : Une enquête complète

par yaotingwangofficial · GitHub
Étoiles
Forks
Créé
Dernier commit
Langue
chain-of-thoughtcotdeepseek-r1TeX
Voir sur GitHub
En termes simples

Lisez un aperçu complet des techniques de raisonnement multimodal qui améliorent la résolution de problèmes étape par étape avec divers types de données.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
Awesome-MCoT — GitHub preview card
📈 Historique des étoiles
1 0161 015
2026-07-202026-08-31
📈 Suivez Awesome-MCoT

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Raisonnement multimodal en chaîne de pensée : Une enquête complète

Awesome-MCoT compte 1k étoiles sur GitHub. Il a été forké 34 fois. Awesome-MCoT est écrit principalement en TeX. Il est développé activement depuis 2025. Ses principaux thèmes sont : chain-of-thought, cot, deepseek-r1, instruction-tuning.

Frequently asked questions

Qu'est-ce que Awesome-MCoT ?

Raisonnement multimodal en chaîne de pensée : Une enquête complète

Awesome-MCoT est-il open source ?

Awesome-MCoT est un projet open source.

Awesome-MCoT est-il gratuit ?

Oui. Awesome-MCoT est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage Awesome-MCoT est-il écrit ?

Awesome-MCoT est écrit principalement en TeX.

🏅 Mainteneur de ce projet ?
olud.ai badge — Awesome-MCoT

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=yaotingwangofficial-awesome-mcot)](https://olud.ai/project/yaotingwangofficial-awesome-mcot.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.