CogAgent-9B概述简介

CogAgent-9B是基于 GLM-4V-9B 训练的专用Agent任务模型，仅依赖屏幕截图作为输入，无需HTML等文本表征。CogAgent-9B支持高分辨率图像处理，具备双语（中英文）交互能力，能预测并执行GUI操作，实现自动化任务。在多个GUI操作数据集上取得了领先成绩，模型已开源，推动大模型Agent生态的发展。CogAgent-9B可广泛应用于个人电脑、手机、车机等GUI交互场景。

CogAgent-9B的功能特色

GUI 理解和操作：CogAgent-9B能理解和操作图形用户界面（GUI），执行如点击按钮、输入文本等任务。

屏幕截图输入：模型仅依赖屏幕截图作为输入，无需额外的文本表征，如HTML，使其在多种设备上应用灵活。

高分辨率处理：支持高达1120×1120像素的高分辨率图像输入，能够处理更复杂的视觉信息。

双语交互：支持中文和英文的屏幕截图和语言交互，增强了模型的国际化应用能力。

预测GUI操作：根据用户指定的任务和历史操作，模型能够预测下一步的GUI操作。

自动化任务执行：CogAgent-9B能模拟用户操作，自动化执行一系列GUI任务。

跨平台应用：适用于个人电脑、手机、车机等多种基于GUI交互的场景。

性能领先：在多个GUI操作数据集上取得了领先成绩，显示了其卓越的性能。

CogAgent-9B的技术原理

视觉语言大模型（VLM）：CogAgent-9B构建在强大的视觉语言大模型GLM-4V-9B之上，能够处理视觉数据（如屏幕截图）和文本信息，实现对GUI元素的理解和操作。

双流注意力机制：CogAgent-9B采用双流注意力机制，将视觉元素（例如按钮和图标）映射到它们的文本标签或描述，增强了模型预测用户意图和执行相关操作的能力。

GUI Grounding预训练：在预训练阶段，CogAgent-9B引入了GUI Grounding预训练方法，通过屏幕截图和layout对，构造界面子区域和layout表征的对应关系，提升模型对视觉输入和GUI界面的基础理解能力。

数据集丰富与完善：CogAgent-9B团队广泛收集并整合了多种数据集，包括无监督数据和GUI指令微调数据集，这些数据集的丰富性和多样性为模型提供了广泛的训练和测试基础。

预训练与后训练策略优化：CogAgent-9B在预训练阶段引入了GUI Referring Expression Generation (REG)和GUI Referring Expression Comprehension (REC)任务，以构建界面子区域与布局表征的对应关系。在后训练阶段，采用了更科学的GUI agent后训练策略，使模型具备了更强的分析、推理、预测能力。

模型推理及思维链优化：CogAgent-9B将思维链分解为Status（当前屏幕状态）、Plan（全局计划）、Action（下一步自然语言描述）、Operation（下一步形式语言描述），并通过随机采样混合多种模式训练数据，灵活调整和控制推理过程中的实际输出。

动作空间完善：CogAgent-9B明确了基础动作空间，新增了LLM、QUOTE_TEXT、LAUNCH等高级动作，增强了模型的使用工具和交互能力。

CogAgent-9B项目介绍

Github仓库：https://github.com/THUDM/CogAgent

HuggingFace模型库：https://huggingface.co/THUDM/cogagent-9b-20241220

CogAgent-9B能做什么？

自动化测试：在软件开发中，CogAgent-9B可以用于自动化测试，模拟用户操作来测试应用程序的GUI，提高测试效率和覆盖率。

智能助手：作为智能个人助理，CogAgent-9B可以帮助用户自动完成日常任务，如日程管理、邮件处理等。

客户服务：在客户服务领域，CogAgent-9B可以通过自动化操作来辅助客服人员，快速响应客户需求并执行相关操作。

智能家居控制：CogAgent-9B可以集成到智能家居系统中，通过GUI控制家中的各种智能设备。

智能座舱：在汽车领域，CogAgent-9B可以用于智能座舱系统，通过GUI与车载信息娱乐系统交互，提供更安全、便捷的驾驶体验。