模型集成

PyTorch Hub 按任务类型整理预训练模型，提供模型发现、说明和发布贡献入口，覆盖视觉、语言、音频、生成与视频等研究和开发方向。

OmniParser是微软公开的界面截图解析工具，将屏幕中的文字、图标和可交互区域转换为结构化元素，便于开发者将视觉语言模型与GUI智能体流程衔接。