作者 | Asif Razzaq译者 | 刘雅梦策划 | 褚杏娟图形用户界面（GUI）是用户如何与软件交互的核心。然而，构建能够有效导航 GUI 的智能代理一直是一个持久的挑战。这些困难源于需要理解视觉环境，需要适应动态和多样化的 GUI ...

CogAgent 的核心是利用 VLM 来解释 GUI 组件及其功能。通过处理视觉布局和语义信息，它可以精确可靠地执行按钮单击、文本输入和菜单导航等任务。

IT之家 12 月 27 日消息，智谱技术团队公众号昨日（12 月 26 日）发布博文，宣布开源 GLM-PC 的基座模型 CogAgent-9B-20241220，基于 GLM-4V-9B 训练，专用于智能体（Agent）任务。