大模型摘要可能已过时中文全文附件 7Google AI Blog · 2026-10-17 · 4 天前
ScreenAI: A visual language model for UI and visually-situated language understanding
中文摘要
由模型生成 · 人工抽检Google Research 发布 ScreenAI，一个 5B 参数的视觉语言模型，基于 PaLI 架构并采用 pix2struct 灵活分块策略，专门理解 UI 界面和信息图。通过自监督预训练与人工标注微调，在 WebSRC、MoTIF、ChartQA、DocVQA 等任务上达到同规模最优，并开源三个新数据集。
全文
已译中文本项目是与 Maria Wang、Fedir Zubach、Hassan Mansoor、Vincent Etter、Victor Carbune、Jason Lin、Jindong Chen 和 Abhanshu Sharma 共同合作完成的成果。我们感谢 Fangyu Liu、Xi Chen、Efi Kokiopoulou、Jesse Berent、Gabriel Barcik、Lukas Zilka、Oriana Riva、Gang Li、Yang Li、Radu Soricut 和 Tania Bedrax-Weiss 提供的深刻反馈与讨论，以及 Rahul Aralikatte、Hao Cheng 和 Daniel Kim 在数据准备方面给予的支持。我们还感谢 Jay Yagnik、Blaise Aguera y Arcas、Ewa Dominowska、David Petrou 和 Matt Sharifi 的领导、远见与支持。我们非常感谢 Tom Small 帮助我们制作了本文中的动画。
本译文由模型自动生成，仅供参考与快速理解；涉及数字、版本、命令、法律条文等请以原文为准。
原文附件
7 个 · 均跳转原站，本站不托管文件数据Datasets Access high-quality datasets to accelerate your research.https://research.google/resources/#datasets-1PDFPaper（PDF） · arxiv.orghttps://arxiv.org/abs/2402.04615数据Screen Annotation（数据） · github.comhttps://github.com/google-research-datasets/screen_qa?tab=readme-ov-file#screen-annotation-dataset-details数据ScreenQA Short（数据） · github.comhttps://github.com/google-research-datasets/screen_qa/tree/main?tab=readme-ov-file#short_answers-directory数据ScreenQA（数据） · github.comhttps://github.com/google-research-datasets/screen_qa数据Referring Expressions（数据） · github.comhttps://github.com/google-research-datasets/uibert/tree/main数据Screen2Words（数据） · github.comhttps://github.com/google-research-datasets/screen2words
有效期判断
起 2024-03-20止 2024-08-01模型置信度 60%
正文为原站公开内容的抓取与清洗结果，英文条目附模型生成的中文译文；两者均仅供参考， 准确内容请以原站为准。内容版权归原作者所有，若认为侵权请联系我们下线。