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。

2025-08-28 至 2025-08-28 共收录 1 篇信号源：cs.CV, cs.AI, cs.LG

1. GUI与屏幕智能体 1 篇

2508.20018 2025-08-28 cs.AI cs.CL cs.CV cs.MA 62%

Quanfeng Lu, Zhantao Ma, Shuai Zhong, Jin Wang, Dahai Yu, Michael K. Ng, Ping Luo

机构 * The University of Hong Kong（香港大学）； Hong Kong Baptist University（香港 Baptist 大学）； TCL Corporate Research (Hong Kong) Co., Ltd（TCL 香港研究院）

专题命中 GUI与屏幕智能体：vision language model(abstract)；分类 cs.CV、cs.AI

Comments 28 pages, 12 figures

↑