導(dǎo)讀：2月17日，根據(jù)微軟官網(wǎng)，微軟日前發(fā)布視覺(jué)Agent解析框架OmniParser最新版本V2.0，可將OpenAI（4o/o1/o3-mini）、DeepSeek（R1）、Qwen（2.5VL）、Anthropic（Sonnet）等大模型，轉(zhuǎn)化為“計(jì)算機(jī)使用智能體”（Computer Use Agent）。相比前代版本，OmniParser V2在檢測(cè)更微小可交互元素時(shí)精度更高、推理速度更快。具體而言，V2通過(guò)使用更大規(guī)模的交互元素檢測(cè)數(shù)據(jù)集和圖標(biāo)功能描 ......
2月17日，根據(jù)微軟官網(wǎng)，微軟日前發(fā)布視覺(jué)Agent解析框架OmniParser最新版本V2.0，可將OpenAI（4o/o1/o3-mini）、DeepSeek（R1）、Qwen（2.5VL）、Anthropic（Sonnet）等大模型，轉(zhuǎn)化為“計(jì)算機(jī)使用智能體”（Computer Use Agent）。相比前代版本，OmniParser V2在檢測(cè)更微小可交互元素時(shí)精度更高、推理速度更快。具體而言，V2通過(guò)使用更大規(guī)模的交互元素檢測(cè)數(shù)據(jù)集和圖標(biāo)功能描述數(shù)據(jù)進(jìn)行訓(xùn)練，并通過(guò)縮小圖標(biāo)描述模型的輸入圖像尺寸，推理延遲較前代降低60%。
