手機、平板、電腦、電視，屏幕越來越多，操作越來越複雜，是不是讓你眼花繚亂?蘋果最近丟出一個王炸——Ferret-UI2，一個超強 UI 理解模型，號稱要統一江湖!這可不是吹牛，Ferret-UI2的目標是成爲一個真正的六邊形戰士，能在各種平臺上理解用戶界面，不管是iPhone、Android、iPad、網頁還是AppleTV，它都能輕鬆拿下。Ferret-UI2的一大亮點是它對多平臺的支持。與僅限於移動平臺的Ferret-UI不同，Ferret-UI2能夠理解來自平板電腦、網頁和智能電視等各種設備的UI屏幕。這種多平臺支持使其能夠適應當
蘋果公司近日發佈了新一代人工智能系統Ferret-UI2。這款跨平臺AI助手在UI元素識別方面取得重大突破，測試得分達89.73，大幅領先GPT-4V的77.73分，展現出卓越的性能表現。這套系統最大的特點在於其智能理解用戶意圖的能力。不同於傳統基於座標點擊的操作方式，Ferret-UI2能夠根據用戶的自然語言指令，自動定位並執行相應操作。研究團隊通過藉助GPT-4V的視覺能力生成訓練數據，使系統能夠更好地理解界面元素之間的空間關係。在技術架構上，Ferret-UI2採用了自適應設計，可在iPhone、iPad、安卓
["蘋果與康奈爾大學合作發佈開源多模態機器學習模型Ferret","Ferret是一個可以在圖像中的任何位置、以任何精度、使用任何形狀的區域進行參考和定位的系統","Ferret可以識別圖像中的元素，並將其作爲查詢的一部分進行響應","這一開源發佈證明了蘋果對有影響力的AI研究的承諾","蘋果願意更加開放地在AI工作上進行合作"]
["蘋果和哥倫比亞大學研究人員共同開發了Ferret多模態語言模型，旨在實現高級圖像理解和描述。","Ferret模型具備強大的全局理解能力，能夠處理自由文本和引用區域，性能領先傳統模型。","研究人員創建了GRIT數據集，包括1.1百萬個樣本，用於指導模型進行引用和定位任務。","Ferret-Bench評估顯示，Ferret性能平均優於最佳MLLM模型20.4%，並減少了對象幻覺。"]
基於Llama-3-8B的多模態大型語言模型，專注於UI任務。
針對移動UI屏幕設計的MLLLM模型
端到端MLLM，實現精準引用和定位
Ferret | 在您的口袋中獲取關係智能
jadechoghari
Ferret-UI是首個專注於用戶界面的多模態大語言模型（MLLM），基於Llama-3-8B構建，能夠執行復雜的UI任務，如引用、定位和推理。
Ferret-UI是首個專注於用戶界面的多模態大語言模型，基於Gemma-2B構建，專為UI引用、定位和推理任務設計。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
