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。

2025-10-06 至 2025-10-06 共收录 1 篇信号源：cs.CV, cs.AI, cs.LG

1. GUI与屏幕智能体 1 篇

2509.23263 2025-10-06 cs.AI 57%

Tao Xiong, Xavier Hu, Yurun Chen, Yuhang Liu, Changqiao Wu, Pengzhi Gao, Wei Liu, Jian Luan, Shengyu Zhang

机构 * Zhejiang University（浙江大学）； MiLM Plus, Xiaomi Inc.（小米公司）

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