inclusionAI/VISTA-9B: modelo de visión-lenguaje para localización de GUI entrenado con VISTA
Título original:inclusionAI/VISTA-9B
Resumen de IA
VISTA-9B es un modelo de localización de GUI entrenado sobre el backbone Qwen3.5 9B que recibe capturas de pantalla e instrucciones en lenguaje natural y genera coordenadas normalizadas de 0 a 1000. Emplea el método VISTA (autoverificación consistente con la vista), que incluye GRPO consistente con la vista y anclaje autoverificado entre vistas. Obtiene 69,2, 95,8, 68,1 y 75,5 puntos en SSPro, SSV2, OSWorld-G y OSWorld-G-R, respectivamente, superando las líneas base Qwen3.5-9B y GRPO-9B. El modelo es de código abierto y puede cargarse mediante Hugging Face.
Puntos clave
- VISTA-9B es un modelo de localización de GUI entrenado sobre el backbone Qwen3.
- 5 9B que recibe capturas de pantalla e instrucciones en lenguaje natural y genera coordenadas…
- Emplea el método VISTA (autoverificación consistente con la vista),que incluye GRPO consistente…
- Obtiene 69,2,95,8,68,1 y 75,5 puntos en SSPro,SSV2,OSWorld-G y…
- 5-9B y GRPO-9B.
Resumen rápido
- Publicado
- Actualizado
- Categoría
- Lanzamientos de modelos
- Puntuación IA
- 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。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: inclusionAI/VISTA-9B: modelo de visión-lenguaje para localización de GUI entrenado con VISTA. 12. junio 2026. https://new.nat6.net/es/news/cmqbwmfgh05sdslam91ctu2zd/