研究人员开发了MELLON（一种用于在线导航的多模态增强大语言模型），旨在提高网页导航代理的性能。这种新方法侧重于对文本和图像输入的对齐，增强了多模态推理和规划能力。在WebShop基准测试中，MELLON在单个训练周期后任务完成准确率提高了9.26%，凸显了多模态策略在更有效的网页导航方面的潜力。 AI
影响 增强了网页导航代理的多模态推理能力，有望改善在线环境中的用户体验和任务完成率。
排序理由 发布了一篇详细介绍新模型和基准测试结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
