语言模型
Vision Search Assistant
Vision Search Assistant (VSA) 是一种结合视觉语言模型与网络代理的框架，旨在提升模型对未知视觉内容的理解能力。它通过网络检索，使 VLMs 能够处理和回答有关未见图像的问题。VSA 在开放集和封闭集问答测试中表现出色，支持图像描述生成、网络知识搜索、协作生成等功能，可应用于图像识别、新闻分析、教育、电商和旅游等多个领域。
VideoAgent
VideoAgent是一款基于自改进机制的视频生成系统，结合图像观察与语言指令生成机器人控制视频计划。它采用自我条件一致性方法优化视频质量，通过预训练视觉-语言模型反馈和实际执行数据的收集，持续提升生成效果，减少幻觉内容并提高任务成功率。VideoAgent在模拟环境中有优异表现，并已应用于机器人控制、模拟训练、教育研究、游戏开发以及电影制作等领域，展现出广泛的应用潜力。
AndroidGen
AndroidGen 是一个基于大语言模型（LLM）的智能代理框架，专注于提升 Agent 在数据稀缺环境下的任务执行能力。它通过无监督方式收集用户操作轨迹并进行训练，结合 ExpSearch、ReflectPlan、AutoCheck 和 StepCritic 四个核心模块，增强任务规划、执行和评估能力。该框架在 AndroidWorld 和 AitW 基准测试中表现出色，适用于自动化任务处理、
ReasonGraph
ReasonGraph 是一个开源平台，用于可视化和分析大语言模型（LLM）的推理过程。它支持多种主流模型和推理方法，提供直观的图表展示和交互式功能，帮助用户理解 AI 思考逻辑、优化模型表现。模块化设计使其易于扩展，适用于学术研究、教育、开发等多个领域。
AgentSquare
AgentSquare是一款由清华大学团队研发的模块化设计工具，专注于在大型语言模型代理的设计空间内实现高效搜索。其核心功能包括模块化设计、模块重组与进化、性能预测及自动化搜索等，通过标准化接口支持模块间无缝集成，广泛应用于客户服务、个人助理、教育、医疗及金融等多个领域，旨在提升智能体性能并降低推理成本。
