控制电脑手机的智能体人人都能造，微软开源OmniParser
控制电脑手机的智能体人人都能造，微软开源OmniParser最近这几天，让大模型具备控制计算机（包括电脑和手机）的相关研究和应用如雨后春笋般不断涌现。
来自主题: AI技术研报
12319 点击 2024-10-26 20:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
最近这几天，让大模型具备控制计算机（包括电脑和手机）的相关研究和应用如雨后春笋般不断涌现。
这个星期，AI 大模型突然迈上了一个新台阶，竟开始具备操作计算机的能力！
OpenAI 最近发布的 o1 模型在数学、代码生成和长程规划等复杂任务上取得了突破性进展，据业内人士分析披露，其关键技术在于基于强化学习的搜索与学习机制。通过迭代式的自举过程，o1 基于现有大语言模型的强大推理能力，生成合理的推理过程，并将这些推理融入到其强化学习训练过程中。
大模型尚在“前浏览器或前IOS时代”
依稀记得十年前，我在上遥感概论专业课时，老师带我们用ERDAS IMAGINE遥感图像处理软件做地物分类，每个人电脑上先发一段区域的遥感影像，进行人工判读和标注，比如把这个区域影像上的林地标注出来喂给模型，再用这个模型去识别另外一个区域影像中的林地，机器学习中典型的的有监督学习应用。
今早看到好多媒体文章都在说，OpenAI会在12月之前发布猎户座Orion！
自从 OpenAI 把模型升级，整合了思维链进去之后，整个 AI 界仿佛……仿佛无事发生。
10月25日，汽车行业AI产品和业务解决方案提供商易慧智能发布了汽车行业首个大模型评测集。此次评测旨在全面评估市面上主流大模型在汽车行业中的实际应用效果，特别关注于汽车营销场景的应用评估。在此基础上，易慧智能重磅推出创新的模型路由技术方案——基于多模型的YiAgent群体智能技术框架。
据The Verge报道，OpenAI 计划在 12 月推出其下一个前沿模型 Orion。
这两天，Claude 3.5 Sonnet升级版刷爆了朋友圈，满屏都是：它能像人一样操作电脑。 大语言模型（Large Language Model，LLM）能够像人一样操作电脑这件事，看起来蛮炸裂的，但在AI Agent圈子里早已经见多不怪了。