12 月 27 日消息，清華 KEG 實驗室近日和智譜 AI 合作，聯合推出了新一代圖像理解大模型 CogAgent。WGv28資訊網——每日最新資訊28at.com

WGv28資訊網——每日最新資訊28at.com

該模型基于此前推出的 CogVLM，通過視覺 GUI Agent，使用視覺模態（而非文本）對 GUI 界面進行更全面直接的感知，從而作出規劃和決策。WGv28資訊網——每日最新資訊28at.com

WGv28資訊網——每日最新資訊28at.com

CogAgent 可以接受 1120×1120 的高分辨率圖像輸入，具備視覺問答、視覺定位（Grounding）、GUI Agent 等多種能力，在 9 個經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。WGv28資訊網——每日最新資訊28at.com

例如，用戶輸入一張關于 CogVLM 項目的 GitHub 的圖片，然后詢問如何給這個項目點“Star”，然后 CogAgent 就會反饋出結果。WGv28資訊網——每日最新資訊28at.com

WGv28資訊網——每日最新資訊28at.com

例如用戶輸入一張原神游戲的截圖，可以詢問“當前任務中的隊友是誰？”，CogAgent 會給出相關的回答。WGv28資訊網——每日最新資訊28at.com

WGv28資訊網——每日最新資訊28at.com

附上相關信息地址如下：WGv28資訊網——每日最新資訊28at.com

論文：https://arxiv.org/abs/2312.08914WGv28資訊網——每日最新資訊28at.com

Demo：StreamlitWGv28資訊網——每日最新資訊28at.com

代碼：https://github.com/THUDM/CogVLMWGv28資訊網——每日最新資訊28at.com

本文鏈接：http://www.tebozhan.com/showinfo-45-3084-0.html清華大學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：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： 韓國首爾明年將啟用無人機及人工智能監控交通狀況

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