vision-language-models
Vision-language models, multimodal AI, and visual reasoning
Datos de origen
- Repositorio
- NeuralBlitz/Mito
- Última actividad en el origen
- 22 de marzo de 2026 a las 13:29
- Idioma detectado de SKILL.md
- inglés
- Estrellas
- 0
- Forks
- 0
Opciones de instalación
De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.
Revisa los archivos de origen
Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.
Mostrando SKILL.md
SKILL.md
Instrucciones de origen · Vista previa de solo lectura- name
- vision-language-models
- description
- Vision-language models, multimodal AI, and visual reasoning
- license
- MIT
- compatibility
- opencode
- metadata
- {"audience":"researchers","category":"machine-learning"}
## What I do
- Build vision-language models
- Work with CLIP, BLIP, LLaVA
- Perform visual question answering
- Create multimodal chatbots
## When to use me
When building systems that combine vision and language.
## Key Concepts
- CLIP
- BLIP and BLIP-2
- LLaVA
- Visual instruction tuning
- Cross-modal attention
- Image-text matching
- Multimodal reasoning
Ver en GitHub