清華大學KEG實驗室和知浦AI聯合推出CogAgent，一個大型圖像理解模型

比特新聞 清華KEG實驗室近日與智浦AI合作，共同推出新一代圖像理解大模型CogAgent。 基於之前推出的CogVLM，該模型使用視覺模態而不是文本，通過可視化GUI代理提供更全面和直接的GUI介面感知，以進行規劃和決策。 據悉，CogAgent可以接受1120×1120高解析度圖像輸入，具備視覺問答、視覺定位（接地）、GUI代理等能力，在9個經典圖像理解清單（包括VQAv2、STVQA、DocVQA、TextVQA、MM-VET、POPE等）中取得了通用能力的第一成績。