它还支持高分辨率的视觉输入和对话问答,并且可以针对任意 GUI 截图进行问答。
模型可以通过上传截图来进行任务推理,并返回操持、下一个动作以及详细操作的坐标信息。
CogAgent 还支持 OCR 干系任务,通过预演习和微调,其能力得到了显著提升。
Github:
https://github.com/CogNLP/CogAGENT
cogagent-chat:
https://modelscope.cn/models/ZhipuAI/cogagent-chat/summary
cogagent-vqa:
https://www.modelscope.cn/models/ZhipuAI/cogagent-vqa/summary