CogAgent: A Visual Language Model for GUI Agents 摘要 人们通过图形用户界面（Graphical User Interfaces, GUIs）在数字设备上花费大量时间，例如，计算机或智能手机屏幕。ChatGPT 等大型语言模型（Large Language Models, LLMs） 可以帮助人们完成撰写电子邮件等任务，但难以理解 GUI 并与之