技术开源

[EN] 谷歌发布ScreenAI：5B参数视觉语言模型，刷新UI与信息图理解多项基准

谷歌推出ScreenAI视觉语言模型，基于PaLI架构并引入灵活分块策略，仅5B参数即在UI与信息图理解任务上达到SOTA，同时开源三个新数据集以推动屏幕理解研究。