清华大学合作推出看图答题小能手 CogAgent：可告知《原神》游戏操作步骤等

12 月 27 日消息，清华 KEG 实验室近日和智谱 AI 合作，联合推出了新一代图像理解大模型 CogAgent。fNS28资讯网——每日最新资讯28at.com

fNS28资讯网——每日最新资讯28at.com

该模型基于此前推出的 CogVLM，通过视觉 GUI Agent，使用视觉模态（而非文本）对 GUI 界面进行更全面直接的感知，从而作出规划和决策。fNS28资讯网——每日最新资讯28at.com

fNS28资讯网——每日最新资讯28at.com

CogAgent 可以接受 1120×1120 的高分辨率图像输入，具备视觉问答、视觉定位（Grounding）、GUI Agent 等多种能力，在 9 个经典的图像理解榜单上（含 VQAv2，STVQA, DocVQA，TextVQA，MM-VET，POPE 等）取得了通用能力第一的成绩。fNS28资讯网——每日最新资讯28at.com

例如，用户输入一张关于 CogVLM 项目的 GitHub 的图片，然后询问如何给这个项目点“Star”，然后 CogAgent 就会反馈出结果。fNS28资讯网——每日最新资讯28at.com

fNS28资讯网——每日最新资讯28at.com

例如用户输入一张原神游戏的截图，可以询问“当前任务中的队友是谁？”，CogAgent 会给出相关的回答。fNS28资讯网——每日最新资讯28at.com

fNS28资讯网——每日最新资讯28at.com

附上相关信息地址如下：fNS28资讯网——每日最新资讯28at.com

论文：https://arxiv.org/abs/2312.08914fNS28资讯网——每日最新资讯28at.com

Demo：StreamlitfNS28资讯网——每日最新资讯28at.com

代码：https://github.com/THUDM/CogVLMfNS28资讯网——每日最新资讯28at.com

本文链接：http://www.28at.com/showinfo-45-3084-0.html清华大学合作推出看图答题小能手 CogAgent：可告知《原神》游戏操作步骤等

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com

上一篇： 韩国首尔明年将启用无人机及人工智能监控交通状况

下一篇： 算力巨兽能耗惊人：英伟达 H100 AI 芯片总耗电量将超欧洲小国