智谱 AI 开源视觉语言模型 CogAgent 支持GUI图形界面问答

2023年12月21日 15:11:29 来源：站长之家

　　智谱 AI 开源了 CogAgent，它是一个视觉语言模型，拥有180亿参数规模。该模型在 GUI 理解和导航方面表现出色，在多个基准测试上取得了 SOTA 的通用性能。

　　它还支持高分辨率的视觉输入和对话问答，并且可以针对任意 GUI 截图进行问答。

　　模型可以通过上传截图来进行任务推理，并返回计划、下一个动作以及具体操作的坐标信息。

　　CogAgent 还支持 OCR 相关任务，通过预训练和微调，其能力得到了显著提升。

　　文章内容仅供阅读，不构成投资建议，请谨慎对待。投资者据此操作，风险自担。

即时

近日，德国柏林国际电子消费品展览会(IFA2024)隆重举办。凭借在核心技术、产品设计及应用方面的创新变革，全球领先的智能终端企业TCL实业成功斩获两项“IFA全球产品设计创新大奖”金奖，有力证明了其在全球市场的强大影响力。

近日，中国家电及消费电子博览会(AWE 2024)隆重开幕。全球领先的智能终端企业TCL实业携多款创新技术和新品亮相，以敢为精神勇闯技术无人区，斩获四项AWE 2024艾普兰大奖。

“以前都要去窗口办，一套流程下来都要半个月了，现在方便多了!”打开“重庆公积金”微信小程序，按照提示流程提交相关材料，仅几秒钟，重庆市民曾某的账户就打进了21600元。

2024年3月12日，由爱普生举办的主题为“纯臻4K 视界焕新”新品发布会在上海盛大举行。

由世界人工智能大会组委会、上海市经信委、徐汇区政府、临港新片区管委会共同指导，由上海市人工智能行业协会联合上海人工智能实验室、上海临港经济发展(集团)有限公司、开放原子开源基金会主办的“2024全球开发者先锋大会”，将于2024年3月23日至24日举办。