字節跳動豆包大模型團隊宣佈開源 UI-TARS-1.5，這是一款基於視覺 - 語言模型構建的開源多模態智能體，能夠在虛擬世界中高效執行各類任務。該模型在7個典型的 GUI 圖形用戶界面評測基準中取

字节跳动豆包大模型团队宣布开源 UI-TARS-1.5，这是一款基于视觉 - 语言模型构建的开源多模态智能体，能够在虚拟世界中高效执行各类任务。该模型在7个典型的 GUI 图形用户界面评测基准中取

Meta人工智能研究團隊（FAIR）近日公開發布五項前沿研究成果，標誌着AI感知領域的重大突破。這些開源項目從視覺編碼器到3D空間理解，再到協作式推理框架，共同構建了通向高級機器智能(AMI)的關

5月11日，智能文檔處理領域迎來重大進展——首個針對視覺-語言模型的統一基準測試"IDP Leaderboard"正式推出。該基準通過16個數據集、9229份文檔，全面評估了當前主流模型在OCR、

5月11日，智能文档处理领域迎来重大进展——首个针对视觉-语言模型的统一基准测试"IDP Leaderboard"正式推出。该基准通过16个数据集、9229份文档，全面评估了当前主流模型在OCR、