2025-03-07 13:42发布于北京新智元官方账号 【新智元导读】OmniParser V2可将屏幕截图转换为结构化元素，帮助LLM理解和操作GUI；在检测小图标和推理速度上显著提升，延迟降低60%，与多种LLM结合后表现优异。 图形用户界面（GUI）自动化需要智能体具备理解和交互用户 ...

微软OmniParser V2截图转结构化元素，检测更准，延迟降60%。 【导读】OmniParser V2可将屏幕截图转换为结构化元素，帮助LLM理解和操作GUI；在检测小图标和推理速度上显著提升，延迟降低60%，与多种LLM结合后表现优异。 图形用户界面（GUI）自动化需要智能体具备理解 ...

微软近日宣布了一项重大更新，其OmniParser工具已升级至V2.0版本，这款基于纯视觉的GUI智能体解析工具，专门用于识别和解析屏幕上的可交互图标。通过与GPT-4V等先进模型的结合，OmniParser的识别能力得到了显著提升。 据微软官方消息，OmniParser V2.0在2月12日正式 ...