omlniparser V2，微软发布的转动任何LLM进入计算机使用代理，通过将UI的UI屏幕截图从像素空间“将” UI屏幕截图缩小到屏幕截图中可解释的结构化元素LLMs，这使得LLMs给定一组解析的可相互作用元素，进行基于检索的下一个动作预测。

omlniparser V2，微软发布的转动任何LLM进入计算机使用代理插图

官方博文：https://www.microsoft.com/en-us/research/articles/omniparser-v2-turning-any-llm-into-a-computer-use-agent/

Github地址：https://github.com/microsoft/OmniParser/tree/master



微信扫描下方的二维码阅读本文

omlniparser V2，微软发布的转动任何LLM进入计算机使用代理插图1

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。