AI 基础设施
优化器、微调框架和推理扩展，使开放模型更高效、稳健和易用。
- LOMO、AdaLomo 优化器
- CoLLiE：协作微调
- 大规模训练流程
关于实验室
OpenMOSS Lab 源于复旦大学 FudanNLP 团队，致力于开放和负责任的 AI 研究。我们的使命是推进大规模 AI 系统的理论、方法和应用——从预训练和推理到多模态和具身智能——同时确保切实的社会影响。
我们与全球研究合作伙伴和行业领导者合作，将基础研究转化为可部署的系统。校友遍布顶尖大学（MIT、UC Berkeley、CMU）和公司（ByteDance、Alibaba、AWS、Optiver），许多人创办了初创公司或担任教职。
研究方向
多模态基础模型
跨越语音、视觉和语言的统一模型，用于基础理解和推理。
- SpeechGPT、SpeechTokenizer
- AnyGPT、Visuothink、UnifiedVisual
- 跨模态对齐
推理与智能体
能够规划、推理并安全地与人类和工具交互的大语言模型智能体。
- Exchange-of-Thought 对话智能体
- ConvSearch-R1 检索增强推理
- 工具增强工作流
具身与交互式 AI
将模型与物理环境连接的视觉-语言-动作系统和模拟器。
- VLA-bench、D²PO
- VehicleWorld 模拟
- 以任务为中心的具身规划
模型安全与可解释性
负责任开放模型部署的透明度、评估和治理框架。
- 注意力分解分析
- 偏见和鲁棒性评估
- 价值对齐的后训练
新型架构
基于扩散的 LLM、长上下文建模和内存高效的 Transformer，用于下一代系统。
- Sparse-dLLM、LongLLaDA
- LongWanjuan、LongSafety
- 自适应 KV-cache 设计
团队成员
核心成员
资源与软件
实验室亮点
开源领导力
我们发布了 MOSS——中国最早的开放对话式大语言模型之一，并持续推动以社区为先的开发，提供开放数据、基准和 API。
产业影响
与华为、荣耀、字节跳动和全球合作伙伴的协作，加速了基础模型在实际产品中的应用。
学术卓越
我们的团队在顶级会议（NeurIPS、ICML、ICLR、ACL、EMNLP、NAACL、ICCV）发表论文，并经常获得杰出论文和演示奖。
人才培养
校友在顶尖大学担任教职，并以创始人、CEO 和 CTO 的身份加入知名 AI 初创公司。