今日arXiv最热NLP大模型论文:像人一样浏览网页执行任务,腾讯AI lab发布多模态端到端Agent
Agent的发展成为了LLM发展的一个热点。只需通过简单指令,Agent帮你完成从输入内容、浏览网页、选择事项、点击、返回等一系列需要执行多步,才能完成的与网页交互的复杂任务。比如给定任务:“搜索Apple商店,了解iPad智能保护壳SmartFolio的配件,并查看最近的自提点位置(邮政编码90038)。”下图演示Agent如何按照在线方式逐步与Apple网站进行交互,完成任务。在最后的屏幕截图