WebGen-Agent: Enhancing Interactive Website Generation with Multi-Level Feedback and Step-Level Reinforcement Learning
机构 * Multimedia Laboratory (MMLab)(多媒体实验室)
专题命中 GUI与屏幕智能体 :VLM(abstract);visual language model(abstract);分类 cs.AI
AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
机构 * Multimedia Laboratory (MMLab)(多媒体实验室)
专题命中 GUI与屏幕智能体 :VLM(abstract);visual language model(abstract);分类 cs.AI
专题命中 GUI与屏幕智能体 :vision-language model(abstract);VLM(abstract);分类 cs.AI
机构 * Harbin Institute of Technology(哈尔滨工业大学) ; Pengcheng Laboratory(鹏城实验室) ; Shanghai Jiao Tong University(上海交通大学) ; Meituan(美团)
专题命中 GUI与屏幕智能体 :vision-language model(abstract);grounding(abstract);分类 cs.AI
机构 * Li Auto Inc.
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV、cs.AI
Comments Benchmark: https://huggingface.co/datasets/LiAuto-DriveAction/drive-action
机构 * Sookmyung Women's University(首尔女子大学)
专题命中 GUI与屏幕智能体 :VLM(abstract);分类 cs.AI
专题命中 GUI与屏幕智能体 :vision-language model(abstract)
Comments 17 pages, 11 figures, 2 tables