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。

2025-10-03 至 2025-10-03 共收录 2 篇信号源：cs.CV, cs.AI, cs.LG

1. GUI与屏幕智能体 2 篇

2510.02204 2025-10-03 cs.CL 78%

Lingzhong Dong, Ziqi Zhou, Shuaibo Yang, Haiyue Sheng, Pengzhou Cheng, Zongru Wu, Zheng Wu, Gongshen Liu, Zhuosheng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学）； Beijing Institute of Technology（北京理工大学）

专题命中 GUI与屏幕智能体：VLM(title)；vision-language model(abstract)

2510.01388 2025-10-03 cs.RO cs.CV 77%

Arthur Zhang, Xiangyun Meng, Luca Calliari, Dong-Ki Kim, Shayegan Omidshafiei, Joydeep Biswas, Ali Agha, Amirreza Shaban

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

Comments 9 pages, 6 figures, 3 tables