搜索
微软发布OmniParser V2.0
2025-02-17
微软发布了OmniParser V2.0，这是一款将UI截图转换为结构化格式的解析工具，旨在优化基于LLM的UI代理体验。该工具通过两大数据集工作：一个检测可交互图标，另一个描述图标功能。OmniParser V2.0结合先进算法和大规模训练数据，显著提升了AI智能体的电脑操控能力，使得检测微小可交互元素的精度和推理速度大幅提高，延迟降低60%。此外，微软还开源了OmniTool，为开发者转化大模型至智能体提供便利。
