搜索全球AI产品动态

在专业环境中，图形用户界面（GUI）代理面临着三大关键挑战。首先，专业应用程序的复杂性远高于一般软件，要求对复杂布局有深入理解;其次，专业工具通常具备更高的分辨率，导致目标尺寸较小，从而降低了定位准确性;最后，工作流程往往依赖于额外工具和文档，增加了操作的复杂性。这些挑战凸显了开发更先进的基准和解决方案以提升 GUI 代理在这些严苛场景中的性能的必要性。目前的 GUI 定位模型和基准无法满足专业环境的要求。例如，ScreenSpot 等工具设计主要用于低分辨率任务

["金融领域创新：FinTral 采用多模态方法，处理文本、数字、表格和视觉数据，性能超越 GPT-4。","模型特色：基于 Mistral-7b 模型，经过领域预训练、调整和 AI 反馈，结合视觉数据处理，实现精准金融分析。","强大性能验证：FinTral-DPO 模型接近 GPT-4 平均得分，在金融任务中表现出色。","实验结果验证：FinTral 在金融任务中表现突出，特别是在视觉数据处理和工具检索方面超越其他模型。"]