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。

2025-10-30 至 2025-10-30 共收录 3 篇信号源：cs.CV, cs.AI, cs.LG

1. GUI与屏幕智能体 3 篇

2510.25122 2025-10-30 cs.RO 67%

Jiahong Chen, Jing Wang, Long Chen, Chuwei Cai, Jinghui Lu

机构 * University of British Columbia（不列颠哥伦比亚大学）； University of Alberta（阿尔伯塔大学）； Xiaomi EV（小米电动车）； Northeastern University（东北大学）

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

2510.24949 2025-10-30 cs.RO cs.AI cs.CV cs.LG 67%

Anil Yildiz, Sarah M. Thornton, Carl Hildebrandt, Sreeja Roy-Singh, Mykel J. Kochenderfer

机构 * Department of Aeronautics and Astronautics, Stanford University（航空航天工程系，斯坦福大学）； Nuro Inc.（Nuro公司）

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

2510.25668 2025-10-30 cs.AI cs.MM 57%

Tianyu Yang, Terry Ruas, Yijun Tian, Jan Philip Wahle, Daniel Kurzawe, Bela Gipp

机构 * University of Göttingen（戈丁根大学）； University of Notre Dame（诺特大学）； State and University Library of Göttingen（戈丁根州立大学图书馆）

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