模块化多模态 Agent 如何协调视觉问答模块与动作执行模块？

知识专题：GUI、Computer Use 与多模态 Agent题目类型：系统设计技术难度：深入

收录题集：4 份

暂无参考答案

未标记

询问 AI

选择 AI 平台

Kimi 千问 ChatGPT

自动带入当前题目

本题目录

收录题集

4 份

Agent 核心面试题

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 你们这种模块堆叠的架构是怎么设计视觉问答模块和动作模块的协同逻辑的？

OCR

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- AI Agent 为什么需要 OCR 和 UI Grounding？

AI多模态精华版·下游应用

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- 多模态 Agent 的通用架构包含哪些模块？视觉输入扮演什么角色？

概念考察：Harness Engineering、Context Engineering 与前沿范式

Onefly · zero2Agent · 1 条原题

查看题集 →

- Computer Use Agent 如何感知并操作本地电脑？