19
关于大模型的视觉能力,因为我之前做过 UI automation 相关的 skill ,我目前的感觉是语义理解没问题,但定位视觉元素和区域的能力很差,所以基于图像的 E2E 大模型并不擅长,像上面那位朋友依赖 MCP 来完成游戏内信息获取和执操作指令是更好的思路
不过我看到示例游戏有异星工厂,难道新模型视觉能力又上一层了?
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。