[EN] Cappy：小型评分器超越并提升大型多任务语言模型
谷歌研究团队提出了一种名为 Cappy 的轻量级预训练评分器，基于仅3.6亿参数的RoBERTa，通过为指令和候选响应生成0到1的正确性评分，在分类任务中可独立运行或辅助大型多任务语言模型，无需微调或访问模型参数即可高效适配下游任务，显著降低了计算和存储成本。
自然语言处理
[EN] Cappy：用小模型评分器超越和提升大型多任务语言模型
Google Research 提出轻量级预训练评分器 Cappy（基于 RoBERTa，仅 3.6 亿参数），通过为指令与候选响应生成正确性分数，可独立完成分类任务或作为辅助组件提升大型多任务语言模型性能，无需微调或反向传播，显著降低存储和计算需求，并兼容闭源模型。
[EN] ScreenAI：谷歌发布针对UI和信息图表的视觉语言模型
Google Research 推出了 ScreenAI，一个仅 5B 参数的视觉语言模型，专门用于理解用户界面和信息图表。该模型基于 PaLI 架构与 pix2struct 的灵活分块策略，在多个基准测试中取得领先结果，并配套发布了三个新数据集以评估布局理解与问答能力。
[EN] Cappy：轻量评分器超越并增强大型多任务语言模型
Google Research 提出 Cappy，一个基于 RoBERTa 的 3.6 亿参数轻量预训练评分器，能够在不微调大型语言模型的情况下，通过输入指令与候选响应输出正确性评分，极大降低了计算和存储成本。
[EN]Google提出ScreenAI：统一理解UI与信息图的视觉语言模型
Google研究人员推出ScreenAI，一种基于PaLI架构与pix2struct灵活分片策略的视觉语言模型，仅5B参数即可在UI与信息图理解任务上达到业界领先水平。模型通过自监督预训练与人工标注微调，结合大规模屏幕标注数据，能完成UI元素识别、导航、问答等任务，并开源了三个新数据集。
[EN] Cappy：轻量级评分器超越并增强大规模多任务语言模型
谷歌研究团队提出Cappy，一个仅有3.6亿参数的轻量级预训练评分器，能够独立执行分类任务或辅助大型多任务语言模型提升性能，无需微调或访问模型参数，显著降低计算和存储成本。
[EN] ScreenAI：谷歌发布5B参数视觉语言模型，统一理解UI与信息图
谷歌研究团队推出ScreenAI，一个仅5B参数的视觉语言模型，基于PaLI架构和pix2struct的灵活分块策略，在UI元素识别、图表问答等任务上达到最优性能，并开源了Screen Annotation、ScreenQA Short和Complex ScreenQA三个新数据集。
[EN] ScreenAI：面向UI与信息图的视觉语言模型，5B参数达SOTA
Google Research发布ScreenAI，一种基于PaLI架构并融合pix2struct灵活分块策略的视觉语言模型。该模型在仅有5B参数的情况下，在WebSRC、MoTIF等UI及信息图任务上达到最优水平，并在Chart QA、DocVQA等基准测试中超越同规模模型。研究团队还开源了Screen Annotation、ScreenQA Short和Complex ScreenQA三个新数据集。