multimodal-agent

set-of-mark ,  multimodal-agent ,  magma ,  trace-of-mark

llm-agent ,  microsoft ,  paper ,  set-of-mark ,  multimodal-agent ,  omniparser ,  gui-agent ,  mind2web ,  screenspot ,  local-semantics ,  seeassign ,  screen-parsing

llm-agent ,  multimodal ,  opensource ,  paper ,  apache-20-license ,  agent-framework ,  multimodal-agent ,  web-agent ,  webvoyager

multimodal ,  multimodal-agent ,  on-device ,  small-multimodal ,  nexa-ai ,  ai-agent ,  octopus-v3 ,  octopus

opensource ,  paper ,  multimodal-agent ,  interactive-environment ,  agent ,  osworld

multimodal ,  lmm ,  multi-agent ,  multimodal-agent ,  mllm ,  speechagents

multimodal ,  web-ai ,  gpt-4v ,  agent-framework ,  multimodal-agent ,  ai-employe

llm-agent ,  multimodal ,  lmm ,  agent-framework ,  appagent ,  tencent ,  multimodal-agent