跳到正文
arXiv · AI· Guangzhi Sun, Zhonghao Zhai, Yixuan Li, Chao Zhang·· 3 天前AI 评分36

VEX 框架:通过音视频理解实现计算机操作智能体学习

Video-as-Experience: Learning Computer Use via Audio-Visual Understanding

AI 导读

VEX 框架利用音视频理解统一外部演示学习与行为反思,video-SALMONN-VEX 基于 Qwen3.5-9B 构建,在 OSWorld 上任务成功率提升 22%。

来源:arXiv · AI · arxiv.org