【AiBase提要:】谷歌即将发布与Bard合作的增强助理,最新应用程序更新展示新设计,包括弹出窗口和标签切换器,同时对股票和金融小部件进行调整。
论文地址:https://arxiv.org/abs/2309.14030v3
此外,个人版还支持类 Siri 的悬浮语音交互,用户可以通过语音与 AI 工具进行交互。
CogAgent还提供了可视化代理的能力,能够返回任何给定任务的计划、下一步行动和带有坐标的具体操作。它还增强了与图形用户界面相关的问题解答功能,可以处理与网页、PC应用程序、移动应用程序等任何图形用户界面截图相关的问题。另外,通过改进预培训和微调,CogAgent还增强了OCR相关任务的能力。这些功能的提升使得CogAgent在多个基准测试上实现了最先进的通用性能。