https://ai-news.example.com/categories/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/Recent content in 自然语言处理 on AI 早报Hugozh-CNTue, 07 Jul 2026 23:13:21 +0800https://ai-news.example.com/articles/en-cappy/Tue, 07 Jul 2026 23:13:21 +0800https://ai-news.example.com/articles/en-cappy/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。https://ai-news.example.com/articles/en-cappy/Tue, 07 Jul 2026 09:50:18 +0800https://ai-news.example.com/articles/en-cappy/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。https://ai-news.example.com/articles/en-screenaiui/Mon, 06 Jul 2026 23:17:03 +0800https://ai-news.example.com/articles/en-screenaiui/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。https://ai-news.example.com/articles/en-cappy/Mon, 06 Jul 2026 03:29:09 +0800https://ai-news.example.com/articles/en-cappy/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。https://ai-news.example.com/articles/engooglescreenaiui/Mon, 06 Jul 2026 03:29:01 +0800https://ai-news.example.com/articles/engooglescreenaiui/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。https://ai-news.example.com/articles/en-cappy/Sun, 05 Jul 2026 23:11:25 +0800https://ai-news.example.com/articles/en-cappy/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。https://ai-news.example.com/articles/en-screenai5bui/Sun, 05 Jul 2026 23:11:18 +0800https://ai-news.example.com/articles/en-screenai5bui/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。https://ai-news.example.com/articles/en-screenaiui5bsota/Sun, 05 Jul 2026 01:52:07 +0800https://ai-news.example.com/articles/en-screenaiui5bsota/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。