CogAgent开源，GUI Agent让你轻松摸鱼！

作者
智谱开源了最新版 CogAgent-9B-20241220 模型。相较于上一版本CogAgent，CogAgent-9B-20241220 在GUI感知、推理预测准确性、动作空间完善性、任务的普适和泛化性上得到了大幅提升，能够接受中英文双语的屏幕截图和语言交互。

想提个Issue,让 CogAgent帮你发邮件

CogAgent 祝你圣诞快乐，让大模型自动为你的朋友们送上圣诞祝福吧。

cogagent-9b-20241220是一个Agent类执行模型而非对话模型，不支持连续对话，但支持连续的执行历史（也即，每次需要重开对话session，并将过往的历史给模型）。CogAgent的工作流如下图所示：

为了达到最佳的 GUI Agent 性能，采用了严格的输入输出格式。这里展示了用户应该怎么整理自己的输入格式化的传入给模型。并获得模型规则的回复。

https://github.com/THUDM/CogAgent

（文：PaperAgent）

欢迎分享

发表评论