A Survey on (M)LLM-Based GUI Agents
机构 * Zhejiang University(浙江大学) ; Microsoft Research Asia(微软亚洲研究院)
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
AI 大模型
跨文本、图像、视频、音频等模态的大模型与学习方法。
机构 * Zhejiang University(浙江大学) ; Microsoft Research Asia(微软亚洲研究院)
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
机构 * The Chinese University of Hong Kong(香港中文大学) ; Peking University(北京大学) ; City University of Hong Kong(香港城市大学) ; Massachusetts General Hospital and Harvard Medical School(麻省总医院和哈佛医学院)
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments ACL 2025 Findings
机构 * Australian Institute for Machine Learning, University of Adelaide(澳大利亚机器学习研究所,阿德莱德大学)
专题命中 多模态Agent :multimodal(abstract);MLLM(abstract)
Comments 8 pages, 4 figures
专题命中 多模态Agent :multimodal(abstract);MLLM(abstract)
专题命中 多模态Agent :multimodal(abstract);分类 cs.CL、cs.AI、cs.MM
Comments 17th International Conference on Agents and Artificial Intelligence, Porto (Portugal). 23/02/2025 - 25/02/2025
Journal ref 2025. Proceedings of the 17th International Conference on Agents and Artificial Intelligence - Volume 1, ISBN 978-989-758-737-5, ISSN 2184-433X, pages 663-670
专题命中 多模态Agent :MLLM(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 多模态Agent :cross-modal(abstract);分类 cs.CV、cs.AI、cs.MM
Comments accepted to AAAI2025
专题命中 多模态Agent :multimodal(abstract);MLLM(abstract)
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments 23 pages, 16 figures, 9 tables
专题命中 多模态Agent :multimodal(abstract);分类 cs.CL、cs.AI、cs.MM
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Our paper is accepted for publication at ML4CCE workshop at ECML PKDD 2024
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments ACL 2024 System Demonstration
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Project Page: https://haoyu-zhao.github.io/LLM-Optic.github.io/
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 多模态Agent :multi-modal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.AI、cs.MM
Comments 22 pages, 13 figures
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
专题命中 多模态Agent :cross-modal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Accepted by ICLR 2024
专题命中 多模态Agent :multi-modal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Project page: https://vis-www.cs.umass.edu/multiply
专题命中 多模态Agent :multimodal(abstract);multi-modal(abstract)
Comments 19 pages, 6 figures; matches version published in Universe
Journal ref Universe 10 (2024), 11
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.MM
Comments Accepted at ACM Multimedia'23 Open-Source Software Competition Track
专题命中 多模态Agent :multi-modal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments 32 pages, 10 figures, 24 tables. Accepted to NeurIPS 2023
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Extended Abstract accepted to the 32nd International Joint Conference on Artificial Intelligence (IJCAI 2023); special journal track for authors of published JAIR 2022 and AIJ 2022 papers. 6 pages, 2 figures. arXiv admin note: substantial text overlap with arXiv:2106.13948
专题命中 多模态Agent :multimodal(abstract);multi-modal(abstract)
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Outstanding Paper Award at NeurIPS 2022. Project website: https://minedojo.org
专题命中 多模态Agent :multi-modal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Accepted to CVPR 2022
专题命中 多模态Agent :multimodal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Journal of Artificial Intelligence Research 74 (2022) 459-515
专题命中 多模态Agent :multi-modal(abstract);分类 cs.CV、cs.CL、cs.AI
Comments Accepted at Novel Ideas in Learning-to-Learn through Interaction (NILLI) workshop @ EMNLP 2021