AI 大模型

视觉大模型 / VLM

视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。

2025-08-21 至 2025-08-21 共收录 1 篇信号源：cs.CV, cs.AI, cs.LG

1. GUI与屏幕智能体 1 篇

2505.15206 2025-08-21 cs.RO cs.AI 57%

Chi Kit Ng, Long Bai, Guankun Wang, Yupeng Wang, Huxin Gao, Kun Yuan, Chenhan Jin, Tieyong Zeng, Hongliang Ren

机构 * The Chinese University of Hong Kong（香港中文大学）； Technical University of Munich（慕尼黑技术大学）

专题命中 GUI与屏幕智能体：grounding(abstract)；分类 cs.AI