ScreenAgent：基于LVLM的计算机控制智能体

ScreenAgent : A Vision Language Model-driven Computer Control Agent

论文链接：

https://arxiv.org/abs/2402.07945https://arxiv.org/abs/2402.07945IJCAI 2024

1.概述

        大型语言模型（LLM），诸如ChatGPT与GPT-4，在自然语言处理领域（涵盖生成、理解及对话等任务）展现出了卓越的性能，并对其他人工智能领域的研究产生了显著的推动作用。尤为重要的是，这些技术的飞速发展，为智能LLM智能体的研究奠定了坚实的基础，使得这类智能