Paglabas ng modelo

inclusionAI/VISTA-9B: GUI grounding vision-language model na sinanay batay sa VISTA

Orihinal na pamagat:inclusionAI/VISTA-9B

AI summary

Ang VISTA-9B ay isang GUI grounding model na sinanay batay sa Qwen3.5 9B backbone; tumatanggap ng screenshot at natural language instruction, at naglalabas ng 0-1000 normalized coordinates. Gumagamit ito ng VISTA (view-consistent self-verification) method, kabilang ang view-consistent GRPO at self-verified cross-view anchoring. Nakakuha ito ng 69.2, 95.8, 68.1 at 75.5 puntos sa SSPro, SSV2, OSWorld-G at OSWorld-G-R ayon sa pagkakasunod-sunod, na lumampas sa Qwen3.5-9B at GRPO-9B baseline. Open source na ang model at maaaring i-load gamit ang HuggingFace.

Mahahalagang impormasyon

  • Ang VISTA-9B ay isang GUI grounding model na sinanay batay sa Qwen3.
  • 5 9B backbone
  • tumatanggap ng screenshot at natural language instruction,at naglalabas ng 0-1000 normalized…
  • Gumagamit ito ng VISTA (view-consistent self-verification) method,kabilang ang view-consistent…
  • Nakakuha ito ng 69.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
蚂蚁 inclusionAI:HuggingFace 新模型
Kategorya
Paglabas ng modelo
AI na marka
71
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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。

Kaugnay na Entity

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: inclusionAI/VISTA-9B: GUI grounding vision-language model na sinanay batay sa VISTA. 12 Hunyo 2026. https://new.nat6.net/fil/news/cmqbwmfgh05sdslam91ctu2zd/

Tingnan lahat →