inclusionAI/VISTA-9B: Ein auf VISTA trainiertes GUI-Grounding-Vision-Language-Modell
Originaltitel:inclusionAI/VISTA-9B
KI-Zusammenfassung
VISTA-9B ist ein GUI-Grounding-Modell, das auf dem Qwen3.5-9B-Backbone trainiert wurde. Es nimmt Screenshots und natürlichsprachliche Anweisungen entgegen und gibt auf 0-1000 normalisierte Koordinaten aus. Es verwendet die VISTA-Methode (View-Consistent Self-Verification) mit view-consistent GRPO und self-verified cross-view anchoring. Auf SSPro, SSV2, OSWorld-G und OSWorld-G-R erreicht es 69,2, 95,8, 68,1 und 75,5 Punkte und übertrifft damit die Baselines Qwen3.5-9B und GRPO-9B. Das Modell ist Open Source und kann über HuggingFace geladen werden.
Kernpunkte
- VISTA-9B ist ein GUI-Grounding-Modell,das auf dem Qwen3.
- 5-9B-Backbone trainiert wurde.
- Es nimmt Screenshots und natürlichsprachliche Anweisungen entgegen und gibt auf 0-1000…
- Es verwendet die VISTA-Methode (View-Consistent Self-Verification) mit view-consistent GRPO und…
- Auf SSPro,SSV2,OSWorld-G und OSWorld-G-R erreicht es 69,2,95,8,68,1 und 75,5 Punkte und übertrifft…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Kategorie
- Modellveröffentlichungen
- KI-Bewertung
- 71
蚂蚁 inclusionAI 的 VISTA-9B 专攻 GUI 定位,把截图和指令直接变成点击坐标,做界面自动化的开发者可以直接拿来用。训练中的视角一致性约束有点新意,但基准提升不大,更像个实干范本。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: inclusionAI/VISTA-9B: Ein auf VISTA trainiertes GUI-Grounding-Vision-Language-Modell. 12. Juni 2026. https://new.nat6.net/de/news/cmqbwmfgh05sdslam91ctu2zd/