Tarsier：提升LLMs与网页交互的开源工具
talkingdev • 2024-05-23
527702 views
Reworkd公司近日发布了一款名为Tarsier的新工具，旨在通过使用括号和ID对网页元素进行视觉标记，增强大语言模型（LLMs）的网页交互任务处理能力。Tarsier利用OCR生成的文本表示，使得没有视觉功能的LLM也能理解网页的结构。在多项基准测试中，Tarsier的表现优于传统的视觉-语言模型。这个创新工具的推出，标志着LLMs在处理网页信息方面迈出了重要一步，未来有望在多个领域获得广泛应用。
