清华KEG实验室携手智谱AI发布领先图像理解大模型：CogAgent

IT 商业新闻网2023-12-28

随着科技的不断发展，清华大学知识工程组（KEG）实验室与智谱AI携手合作，共同推出了一款新一代图像理解大模型——CogAgent。这一模型在图像理解领域迈出了重要一步，基于之前的CogVLM，通过视觉GUI Agent实现了对GUI界面更为全面直接的感知，为规划和决策提供了更为精准的数据支持。　　CogAgent的独特之处　　CogAgent不同寻常，它能够接受1120×1120的高分辨率图像...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2394271479?lang=zh_CN&edition=full","thumbnail":"http://www.itxinwen.com/uploadfile/2023/1228/thumb_205_0_20231228075545402.png","is_english":false,"pubTime":"2023-12-28 19:55","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"2394271479","market":"us","top_or_hot":-1,"title":"清华KEG实验室携手智谱AI发布领先图像理解大模型：CogAgent","media":"IT 商业新闻网","content":"<div>\n<p>随着科技的不断发展，清华大学知识工程组（KEG）实验室与智谱AI携手合作，共同推出了一款新一代图像理解大模型——CogAgent。这一模型在图像理解领域迈出了重要一步，基于之前的CogVLM，通过视觉GUI Agent实现了对GUI界面更为全面直接的感知，为规划和决策提供了更为精准的数据支持。\n　　CogAgent的独特之处\n　　CogAgent不同寻常，它能够接受1120×1120的高分辨率图像...</p>\n\n<a href=\"http://www.itxinwen.com/AI/20231228/142014.html\">网页链接</a>\n\n</div>\n","source":"itxinwen_highlight","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>清华KEG实验室携手智谱AI发布领先图像理解大模型：CogAgent</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n清华KEG实验室携手智谱AI发布领先图像理解大模型：CogAgent\n</h2>\n\n<h4 class=\"meta\">\n\n\n2023-12-28 19:55 北京时间&nbsp;&nbsp;&nbsp;<a href=http://www.itxinwen.com/AI/20231228/142014.html><strong>IT 商业新闻网</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>随着科技的不断发展，清华大学知识工程组（KEG）实验室与智谱AI携手合作，共同推出了一款新一代图像理解大模型——CogAgent。这一模型在图像理解领域迈出了重要一步，基于之前的CogVLM，通过视觉GUI Agent实现了对GUI界面更为全面直接的感知，为规划和决策提供了更为精准的数据支持。\n　　CogAgent的独特之处\n　　CogAgent不同寻常，它能够接受1120×1120的高分辨率图像...</p>\n\n<a href=\"http://www.itxinwen.com/AI/20231228/142014.html\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"KEG","symbol_name":"克罗公司","start_time":0,"source_url":"http://www.itxinwen.com/AI/20231228/142014.html","article_id":"2394271479","we_media_id":null,"thumbnails":["http://www.itxinwen.com/uploadfile/2023/1228/thumb_205_0_20231228075545402.png"],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2394271479","pubTimestamp":1703764515,"sourceInfo":{"source_id":"itxinwen_highlight","name":"IT 商业新闻网"},"weMediaInfo":null,"summary":"随着科技的不断发展，清华大学知识工程组（KEG）实验室与智谱AI携手合作，共同推出了一款新一代图像理解大模型——CogAge...","collect":0,"end_time":0,"defaultTopTitle":"itxinwen.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"KEG":"克罗公司"},"translate_title":"Tsinghua KEG Lab and Zhipu AI released a leading image understanding model: CogAgent","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"KEG":1},"content_text":"随着科技的不断发展，清华大学知识工程组（KEG）实验室与智谱AI携手合作，共同推出了一款新一代图像理解大模型——CogAgent。这一模型在图像理解领域迈出了重要一步，基于之前的CogVLM，通过视觉GUI Agent实现了对GUI界面更为全面直接的感知，为规划和决策提供了更为精准的数据支持。\n　　CogAgent的独特之处\n　　CogAgent不同寻常，它能够接受1120×1120的高分辨率图像输入，拥有视觉问答、视觉定位（Grounding）、GUI Agent等多项强大能力。在9个经典的图像理解榜单上，包括VQAv2、STVQA、DocVQA、TextVQA、MM-VET、POPE等，CogAgent凭借其卓越的通用能力荣登榜首。\n　　例如，当用户输入一张关于CogVLM项目的GitHub截图，并询问如何给这个项目点“Star”时，CogAgent将迅速给出精准而高效的回答。\n　　同样，当用户输入一张原神游戏的截图，并提出问题“当前任务中的队友是谁？”，CogAgent也能够以令人惊叹的准确度给出相关答案。\n　　视觉GUI Agent的突破\n　　CogAgent的视觉GUI Agent是该模型的一大创新亮点。通过采用视觉模态而非传统的文本方式，对GUI界面进行感知，大幅提升了对界面的理解能力。这使得CogAgent在处理图像相关任务时表现出色，为用户提供更加直观、全面的体验。\n　　未来展望\n　　随着清华KEG实验室和智谱AI的合作不断深入，CogAgent标志着图像理解领域的一项重大突破。其通用能力的卓越表现让人期待，在未来的发展中，CogAgent将为图像理解技术的创新发挥更加重要的作用，为各行各业带来更多可能性。","kind":null,"is_publish_news":true,"is_publish_highlight":false,"is_publish_live":null,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"symbols":[],"gpt_button":1},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"deviceId":"web-server-community-laohu8-v3","version":"4.25.1","shortVersion":"4.25.1","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2394271479"}