12 月 27 日消息，清華 KEG 實(shí)驗(yàn)室近日和智譜 AI 合作，聯(lián)合推出了新一代圖像理解大模型 CogAgent。ez128資訊網(wǎng)——每日最新資訊28at.com

ez128資訊網(wǎng)——每日最新資訊28at.com

該模型基于此前推出的 CogVLM，通過(guò)視覺(jué) GUI Agent，使用視覺(jué)模態(tài)（而非文本）對(duì) GUI 界面進(jìn)行更全面直接的感知，從而作出規(guī)劃和決策。ez128資訊網(wǎng)——每日最新資訊28at.com

ez128資訊網(wǎng)——每日最新資訊28at.com

CogAgent 可以接受 1120×1120 的高分辨率圖像輸入，具備視覺(jué)問(wèn)答、視覺(jué)定位（Grounding）、GUI Agent 等多種能力，在 9 個(gè)經(jīng)典的圖像理解榜單上（含 VQAv2，STVQA, DocVQA，TextVQA，MM-VET，POPE 等）取得了通用能力第一的成績(jī)。ez128資訊網(wǎng)——每日最新資訊28at.com

例如，用戶輸入一張關(guān)于 CogVLM 項(xiàng)目的 GitHub 的圖片，然后詢問(wèn)如何給這個(gè)項(xiàng)目點(diǎn)“Star”，然后 CogAgent 就會(huì)反饋出結(jié)果。ez128資訊網(wǎng)——每日最新資訊28at.com

ez128資訊網(wǎng)——每日最新資訊28at.com

例如用戶輸入一張?jiān)裼螒虻慕貓D，可以詢問(wèn)“當(dāng)前任務(wù)中的隊(duì)友是誰(shuí)？”，CogAgent 會(huì)給出相關(guān)的回答。ez128資訊網(wǎng)——每日最新資訊28at.com

ez128資訊網(wǎng)——每日最新資訊28at.com

附上相關(guān)信息地址如下：ez128資訊網(wǎng)——每日最新資訊28at.com

論文：https://arxiv.org/abs/2312.08914ez128資訊網(wǎng)——每日最新資訊28at.com

Demo：Streamlitez128資訊網(wǎng)——每日最新資訊28at.com

代碼：https://github.com/THUDM/CogVLMez128資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.www897cc.com/showinfo-45-3084-0.html清華大學(xué)合作推出看圖答題小能手 CogAgent：可告知《原神》游戲操作步驟等

聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com

上一篇： 韓國(guó)首爾明年將啟用無(wú)人機(jī)及人工智能監(jiān)控交通狀況

下一篇： 算力巨獸能耗驚人：英偉達(dá) H100 AI 芯片總耗電量將超歐洲小國(guó)