国产一区高清|日韩精品一区人妻|曰夲AV一区二区|美日韩一区二区三区|国产喷水在线观看|狼友网站成人大全|欧美日韩制服中文视频在线|久草加勒比手机在线|婷婷色综合无码专区|japanese 精品视频在线观看

智譜技術(shù)團隊于12月26日通過其公眾號宣布，開源了CogAgent-9B-20241220模型。這一模型基于GLM-4V-9B訓(xùn)練，專為智能體（Agent）任務(wù)設(shè)計，僅需屏幕截圖作為輸入，無需HTML等文本表征，便能根據(jù)用戶指定的任務(wù)，結(jié)合歷史操作，預(yù)測下一步的GUI操作。

CogAgent-9B-20241220模型的普適性使其可廣泛應(yīng)用于個人電腦、手機、車機設(shè)備等基于GUI交互的場景。相較于2023年12月開源的第一版CogAgent模型，新版本在GUI感知、推理預(yù)測準確性、動作空間完善性、任務(wù)普適性和泛化性等方面均實現(xiàn)了顯著提升，并支持中英文雙語的屏幕截圖和語言交互。

該模型的輸入僅包含用戶的自然語言指令、已執(zhí)行歷史動作記錄和GUI截圖，無需任何文本形式表征的布局信息或附加元素標簽信息。其輸出涵蓋思考過程、下一步動作的自然語言描述、下一步動作的結(jié)構(gòu)化描述以及下一步動作的敏感性判斷四個方面。

CogAgent-9B-20241220在多個數(shù)據(jù)集上進行了測試，并與GPT-4o-20240806、Claude-3.5-Sonnet等模型進行了比較，結(jié)果顯示其在多個數(shù)據(jù)集上取得了領(lǐng)先的結(jié)果，證明了其在GUI Agent領(lǐng)域強大的性能。