Badacze opracowali DRS-GUI, framework oparty na dużych modelach multimodalnych, który udoskonala zdolność agentów GUI do identyfikacji istotnych elementów interfejsu na złożonych ekranach. System wykorzystuje trzy działania percepcyjne inspirowane ludzkim widzeniem, aby dynamicznie eksplorować interfejsy bez konieczności dodatkowego treningu.
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google