Aguvis：提升的不仅是 UI Agent 的规划推理能力

文章预览

  Home [1]  |  GitHub [2]  |  Twitter [3]  |  Youtube [4]  |  Bilibili [5] 本文介绍 来自 HKU & Salesforce 的 Aguvis 。如我之前所说， 这篇论文（数据、代码都会开源）至少值 2 个算法工程师 1 个月的工资 。论文里面有很多细节都值得深挖，属于外行看热闹，内行看门道的那种。 本文是视频  UI Agent 论文分享：Aguvis-来自 HKU & Salesforce 的大一统训练数据和训练框架 [6]  对应的文字版，建议与视频对照着看。 Aguvis 相关资料： [2412.04454] Aguvis: Unified Pure Vision Agents for Autonomous GUI Interaction [7] , HKU & Salesforce https://aguvis-project.github.io [8] 【视频分享】 UI Agent 论文分享：Aguvis-来自 HKU & Salesforce 的大一统训练数据和训练框架 [9] Aguvis  这个词应该是作者造的，没查到什么意思。发现这个工作的作者跟  OS-Copilot [10]  还有耦合，而  OS-Copilot [11]  跟  OS-Atlas [12]  是相同的 ………………………………