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

企查查APP显示，近日，比亚迪(002594)申请的“雾霾可见度检测方法、装置、设备、车辆及介质”专利获授权。

奥维云网(AVC)推总数据显示，2024年1-9月明火炊具线上零售额94.2亿元，同比增加3.1%，其中抖音渠道表现优异，同比有14%的涨幅，传统电商略有下滑，同比降低2.3%。

“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。

华硕ProArt创艺27 Pro PA279CRV显示器，凭借其优秀的性能配置和精准的色彩呈现能力，为您的创作工作带来实质性的帮助，双十一期间低至2799元，性价比很高，简直是创作者们的首选。

9月14日，2024全球工业互联网大会——工业互联网标识解析专题论坛在沈阳成功举办。