控制電腦手機的智能體人人都能造，微軟開源OmniParser

AIGC動態歡迎閱讀

原標題：控制電腦手機的智能體人人都能造，微軟開源OmniParser
關鍵字：華為,模型,數據,圖標,基準
文章來源：機器之心
內容字數：0字

內容摘要：

機器之心報道
編輯：Panda大?模型控制計算機果真就是未來方向？最近這幾天，讓大模型具備控制計算機（包括電腦和手機）的相關研究和應用如雨后春筍般不斷涌現。
先是 Anthropic 發布了能控制計算機的新版 Claude 3.5 Sonnet，之后榮耀 MagicOS 9.0 來了個全局智能體，再然后，昨天智譜發布了具備「全棧式工具使用能力」的 AutoGLM，同時華為也公布了一項可讓 AI 像人類一樣操作手機的新研究成果 LiMAC。
很顯然，這股熱潮完全沒有要停息的意思。今天，有網友發現蘋果已經默默發布了 Ferret-UI 的兩個實現版本（分別基于 Gemma 2B 和 Llama 8B），這是蘋果今年五月發布的一個可讓 AI 理解手機屏幕的技術，詳情參閱《讓大模型理解手機屏幕，蘋果多模態 Ferret-UI 用自然語言操控手機》。來自 X 用戶 Niels Rogge
Ferret-UI 項目地址：https://huggingface.co/papers/2404.05719
不僅如此，微軟也低調開源了他們的相關研究 OmniParser，這是一個基于大模型的屏幕解析工具，

原文鏈接：控制電腦手機的智能體人人都能造，微軟開源OmniParser

聯系作者

文章來源：機器之心
作者微信：
作者簡介：