释放双眼，带上耳机，听听看~！
智谱AI开源了CogAgent，一个拥有180亿参数规模的视觉语言模型，支持GUI理解和导航，具有SOTA的通用性能，在OCR相关任务方面表现出色。Github链接：https://github.com/CogNLP/CogAGENT
AICMTY（aicmty.com）12月21日 消息: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。
Github:
https://github.com/CogNLP/CogAGENT
cogagent-chat:
https://modelscope.cn/models/ZhipuAI/cogagent-chat/summary
cogagent-vqa:
https://www.modelscope.cn/models/ZhipuAI/cogagent-vqa/summary
本网站的内容主要来自互联网上的各种资源，仅供参考和信息分享之用，不代表本网站拥有相关版权或知识产权。如您认为内容侵犯您的权益，请联系我们，我们将尽快采取行动，包括删除或更正。
