Continue reading...
Milliseconds since Unix epoch，详情可参考新收录的资料
，详情可参考新收录的资料
在应用场景方面，该模型特别适合与计算机智能体配合使用。模型接收屏幕截图与自然语言指令后，可输出目标 UI 元素的标准化边界框坐标，随后由其他智能体模型完成点击、滚动等交互操作。目前该模型已经在 huggingface 开源。。关于这个话题，新收录的资料提供了深入分析
有一点很重要。该模型的初始准确率只有 58%。听起来不太像能直接用于生产环境，对吧？