使用视觉语言模型开发多功能代理人来帮助人类完成图形用户界面导航任务。提出了GUICourse数据集用于训练代理人，实验证明其在常见的图形用户界面任务上具有更好的性能。源代码和数据集已发布。

VGA: 视觉 GUI 助手 -- 通过图像中心的微调减少幻觉
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证