跳至内容
每时AI

每时AI

  • 资讯
  • 国际
  • 分享
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 关于我们

GUI智能体

GUIRoboTron-Speech:首个端到端语音交互智能体

2025年6月20日8时 作者 NLP工程化

美团和浙江大学联合研发GUIRoboTron-Speech,实现首个语音+截图端到端决策的GUI智能体,可“用说的”操作界面。

分类 开源 标签 GUIRoboTron-Speech、 GUI智能体、 浙江大学、 美团、 语音识别、 高质量语音数据集 发表评论

一次示范就能终身掌握!让手机AI轻松搞定复杂操作丨浙大&vivo出品

2025年5月1日11时 作者 量子位

浙大与vivo联合提出LearnAct多智能体框架和LearnGUI基准,通过少量示范学习大幅提升手机GUI智能体的性能。该方法能够有效应对多样化应用中的长尾场景挑战。

分类 资讯 标签 51.7%、 GUI智能体、 LearnAct、 vivo AI Lab、 浙江大学、 示范学习 发表评论

社区供稿 | 书生·万象 3.0 升级发布,创新预训练方法

2025年4月19日14时 作者 Hugging Face

上海AI实验室升级并开源了通用多模态大模型书生·万象 3.0 (InternVL3),在多模态能力方面取得显著突破,成为开源模型中的性能新标杆。

分类 开源 标签 780亿参数、 GUI智能体、 InternVL3、 上海AI实验室、 图文结合、 多模态大模型 发表评论

字节清华开源力作!UI-TARS原生AI智能体,人人都能拥有“智能助手”

2025年1月23日16时 作者 AI寒武纪

字节联合清华发布的UI-TARS AI Agent纯视觉感知、端到端架构及系统2推理能力使其成为通用GUI自动化新突破。多项硬核数据验证其性能超越Claude和GPT-4等现有模型。

分类 国际、 资讯 标签 AI Agent、 GUI智能体、 UI-TARS、 清华大学、 端到端架构、 系统2推理机制 发表评论

一篇78页大模型GUI Agents全面综述~

2024年12月3日13时 作者 PaperAgent

本文综述了LLM驱动的GUI智能体的发展和进步,讨论了它们的历史演变、核心组件和技术,并展示了智能体如何通过自然语言处理技术执行多种任务,包括Word、Photos、浏览器、Adobe Acrobat和PowerPoint操作等。

分类 分享 标签 Claude 3.5 Sonnet、 GUI智能体、 LLM驱动、 多模态输入、 新兴决策技术、 跨平台泛化 发表评论

AGI AI AI技术 Anthropic ChatGPT Claude DeepSeek DeepSeek-R1 DeepSeek R1 GitHub GPT-4o LLM Meta OpenAI Python Sam Altman 人工智能 人形机器人 具身智能 大型语言模型 大模型 大语言模型 字节跳动 工业机器人 开源 强化学习 微软 扩散模型 技术创新 智能体 木易 机器学习 深度学习 清华大学 生成式AI 用户体验 百度 腾讯 自然语言处理 英伟达 谷歌 阿里云 阿里巴巴 马斯克 黄仁勋

分类

  • 分享
  • 国际
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 资讯
  • 中国队首次在“机器人足球世界杯”夺冠,清华领衔,国产机器人成赛场香饽饽
  • 季逸超亲述 Manus 构建之谜,一文读懂 AI 智能体的上下文工程
  • 中国首个算力小镇实探:1毫秒城市算网,加速AI应用落地
  • 首个开源「AI智能语音转文本模型」,质量超whisper,成本爆降。
  • WAIC前瞻:多厂商智能体产品首发首秀,Agent迎发布潮

2025 年 7 月
一 二 三 四 五 六 日
 123456
78910111213
14151617181920
21222324252627
28293031  
« 6 月    

归档

  • 2025 年 7 月
  • 2025 年 6 月
  • 2025 年 5 月
  • 2025 年 4 月
  • 2025 年 3 月
  • 2025 年 2 月
  • 2025 年 1 月
  • 2024 年 12 月
  • 2024 年 11 月

AI新闻 | X平台 | APK反编译 | 京ICP备2024096144号 |
© 2025 每时AI • Built with GeneratePress
 下载我们的APP,AI秒送达!  立即下载
×