gui agent 厉害

包括文本描述和tootip描述，训练follow insturciton的训练，给定element和图片，使用mobile的数据和general数据，没有早期发展的内容，导致训练follow的内容，有非常大创新，有benchmark的内容，涉及到os web等内容，benchmark 结。2、使用planning model，grounding model失效，next step，mobile z

乔丹师傅

148人浏览 · 2025-07-05 12:50:43

乔丹师傅 · 2025-07-05 12:50:43 发布

1、使用web ui 的数据

包括文本描述和tootip描述，训练follow insturciton的训练，给定element和图片，使用mobile的数据和general数据，没有早期发展的内容，导致训练follow的内容，有非常大创新，有benchmark的内容，涉及到os web等内容，benchmark 结

GUI grounding benchmark

2、使用planning model，grounding model失效，next step，mobile zero-shot，都能达到sota的性能，

3、多步任务

gui action的任务，构建场景和指令，

4、

AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

【免费下载】 index-tts-vllm：高性能文本转语音解决方案

`index-tts-vllm` 是一款开源的文本转语音（TTS）项目，基于 `index-tts` 进行了优化，通过引入 `vllm` 库重新实现了 GPT 模型的推理过程，大幅提升了推理速度和并发处理能力。项目旨在为开发者提供一个高效、稳定、易于集成的 TTS 解决方案。## 项目技术分析`index-tts-vllm` 采用了以下核心技术：- **vllm 库**：用于加速 GP

AI Agent技术社区

AgentScope示例应用：多智能体对话

在人工智能快速发展的今天，单一智能体已经难以满足复杂任务的需求。想象一下这样的场景：一个项目团队需要讨论技术方案，不同专业背景的成员各抒己见，最终达成共识。这正是多智能体对话要解决的问题——让多个AI智能体像真实团队成员一样进行有意义的交流。AgentScope作为面向开发者的多智能体编程框架，提供了强大的多智能体对话能力。本文将深入探讨如何使用AgentScope构建高效的多智能体对话系统。..