🤖 ‏ معرفی Qwen-CUA: عامل هوشمند تعامل با محیط گرافیکی

🚀 ‏ تیم Qwen و آزمایشگاه XLang از مدل جدیدی به نام Qwen-CUA رونمایی کردند که یک عامل (Agent) تخصصی برای تعامل بومی با رایانه است. در حالی که مدل‌های فعلی در کدنویسی و استفاده از API بسیار توانمند هستند، این مدل شکاف موجود در کار با محیط‌های گرافیکی (GUI) را هدف قرار داده است.

👀 ‏ ویژگی کلیدی این مدل، ادراک بومی از طریق تحلیل اسکرین‌شات‌ها است و برخلاف روش‌های سنتی، نیازی به دسترسی به DOM یا درخت دسترسی ندارد. این عامل با استفاده از رویدادهای استاندارد کیبورد و ماوس، می‌تواند در مرورگرها و نرم‌افزارهای پیچیده دسکتاپ به‌صورت مستقل فعالیت کند.

🧠 ‏ سیستم Native Intelligence در این مدل با حفظ حافظه بصری بلندمدت، پیشرفت تسک‌ها را بررسی کرده و از تجربیات تعاملی بزرگ‌مقیاس یاد می‌گیرد. برای آموزش این مدل، حدود ۴۰ هزار تسک قابل‌سنجش ایجاد شده و از زیرساختی با نزدیک به ۱۰۰ هزار هسته مجازی برای اجرای همزمان محیط‌ها استفاده شده است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen_CUA #Native_Interaction