kexi

output is not consistent when I load the gpt2_124M.bin

1

I load the gpt2_124M.bin by the following code: ```import numpy as np import torch import tiktoken from train_gpt2 import GPT, GPTConfig def read_wightdict(weights_dict, file, L, config): idx = 256 with...

好像你用的是对一个权限总集进行独热编码的，麻烦问一下你这个权限总集选择有什么依据吗

latents = self.scheduler.step(noise_pred.cuda(), t, latents)[ "prev_sample" ] i think there is a bug in this code, it should be: latents = self.scheduler.step(noise_pred.cuda(), i, latents)[ "prev_sample" ] because if i use...

关于这个软件的一些想法

1

我觉得这个需求还是很大的，但是我认为没有必要做成一个软件，可以做成一个插件内嵌到微信中，当然这需要腾讯的支持，所以可以后期再和他们合作。然后功能上其实我觉得云端搜索太过鸡肋，不如直接给用户一个表情包数据库，这个数据库当然需要自己来建立，同时用户也可以根据自己的喜好添加表情包到自己的数据库中，这样我觉得一方面对于表情包而言大众都喜欢的，就不会踩雷，另一方面选择太多的话会让用户产生疲劳，不如自己替他们选择。 另外，我也对这个软件很感兴趣，如果可以的话，一起研究一下呀，邮箱[email protected]

增加根据xml的clickable属性判断是否可以点击

2

当手机界面存在几个相同的文字的时候首先利用xml的clickable属性判断是否可以点击从而进行筛选，可以让手机控制更加精准

代码错误

1

in_coordinate, out_coordinate = det(image, "icon", groundingdino_model) 这里返回两个值，但是方法只返回了一个值，是不是有错误啊，代码在Mobile-Agent/run.py 的149行 def det(input_image_path, caption, groundingdino_model, box_threshold=0.05, text_threshold=0.5): image = Image.open(input_image_path) size = image.size caption = caption.lower() caption = caption.strip() if not caption.endswith('.'): caption...

能否透露一下V3版本的开源模型

2

请问一下能不能指导一下你们V3准备用的开源模型，我使用了llava-next-72b-hf这个72B的模型，但是基本没有效果，和GPT4o没法比，你们有什么好的想法能交流一下吗

v2版本为什么只支持安卓和鸿蒙

3

你们所说的只支持安卓和鸿蒙的原因应该是在于用到了xml文件了吧，但是我在v2版本的代码中没看到哪里用到了xml文件了

美团内部测试的时候用的是私有化大模型吗？

3

论文里面提到你们在美团内部用这个AUITest发现了一些bug，想请问一下你们用的是私有化大模型还是GPT呢，如果是私有化大模型，用的是哪个呢，非常感谢