Artikler med tag: VLM

Ifølge AWS leverer Bedrock AgentCore Browser Tool en fuldt administreret, cloud-baseret Chromium-session med Playwright/CDP-integration, så AI-agenter kan automatisere interaktioner i legacy-webapps gennem sikre, isolerede sessioner. MarkTechPost rapporterer samtidig, at Liquid AI’s LFM2.5‑VL‑3B er en on‑device VLM, der kan læse skærme og passer i cirka 3 GB hukommelse. Artiklen holder sig til det, kilderne dokumenterer.

NVIDIA Research lancerer SpatialClaw, en træningsfri agentramme, som lader agenten skrive og køre Python‑kode for rumlig ræsonnering. Ifølge de offentliggjorte tal rammer systemet 59,9 procent på tværs af 20 benchmarks og slår SpaceTools med 11,2 point – uden gen‑træning af VLM‑backbones.

AWS lægger en konkret IDP-arkitektur frem med Amazon Bedrock Data Automation, Strands Agent på Bedrock AgentCore Runtime og Bedrock Knowledge Base. Målet er at gå fra rå OCR til struktureret, valideret information. Guiden beskriver funktioner og kapaciteter, inkl. op til 3.000 sider og 500 MB pr. request, men deler ikke tal for pris, latenstid, SLA eller metode til kalibrering af confidence-scorer.

Intelligent dokumentbehandling med vision language models (VLMs) og værktøjer som SageMaker AI og SWIFT gør det muligt at automatisere og strukturere dokumentdata langt mere effektivt end klassiske OCR- og regelbaserede systemer. Artiklen gennemgår teknologiens kerne, konkrete gevinster, integration, sikkerhed, udfordringer og fremtidsperspektiver – og giver anbefalinger til både offentlige og private organisationer.