研究人员教会GPT

要点:1.《MM-Navigator》是基于GPT-4V的智能代理，通过图像处理和文本推理结合，使其能够在iPhone上执行购物任务。2.GPT-4V的关键创新在于同时处理图像和文本，使得AI系统能够直接处理真实的智能手机界面截图，而不仅仅是处理文本描述。