Visual Language Model

[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。