本文探讨了使用GPT进行UI测试的可能性，介绍了目前UI测试存在的问题和两种解决方案。一种是使用GPT生成Webdriver驱动脚本，效果一般；另一种是结合Playwright、SoM视觉标记、GPT4Vison和AutoGen实现GPT像人一样思考和测试。文章还提到了一些问题和未来的想法。

大规模语言模型推动了人工智能，尤其在遥感领域。研究构建了高质量的遥感图像字幕数据集RSICap，促进了视觉语言模型的评估。SkyEyeGPT和EarthGPT等模型在遥感任务中表现优越，解决了专业知识缺乏的问题。

多模态模型研究进展迅速。GPT-4V具备零样本推荐与多模态理解能力，但存在幻觉和响应同质化问题。研究者构建RSICap遥感字幕数据集和ShareGPT4V图文数据集以提升性能，并探索视觉思维链等方法，推动下一代多模态生成式推荐模型发展。

本文介绍了使用GPT自动进行UI测试的可能性，解决了UI测试自动化率高维护成本高的问题。作者尝试了两种方案，其中第二种方案结合了Playwright、SoM视觉标记、GPT4Vison和AutoGen来实现。通过Playwright进行浏览器操作，通过SoM视觉数据标记辅助GPT4V识别，通过GPT4+AutoGen协调控制。文章还提到了一些问题和未来的想法。