我想输入一张截屏图片和一个用自然语言描述的目标，返回目标的精确坐标。
比如输入 {"https://ooo.0x0.ooo/2024/10/28/OD3TzB.png", "发布按钮"}
返回 (517,880)
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。
