微软开源创新框架:可将DeepSeek，变成AI Agent
微软发布了视觉Agent解析框架OmniParser V2.0，显著提升了大模型在计算机上的操作能力。新版本在UI元素检测准确率、推理速度等方面均有大幅提升，在高分辨率Agent基准测试中表现优异。此外，微软还开源了集成化工具omnitool，该工具涵盖屏幕理解、定位、动作规划等功能，由V2、OmniBox和Gradio三大块组成，有助于开发者快速搭建和运行GUI自动化任务的测试环境，使大模型能够更好地理解和操作复杂的用户界面。来源：https://www.chinaz.com/2025/0217/1669292.shtml
页:
[1]