Paglabas ng modelo

Inilabas ng inclusionAI ang VISTA-4B GUI grounding vision-language model

Orihinal na pamagat:inclusionAI/VISTA-4B

AI summary

Ang VISTA-4B ay isang GUI grounding model batay sa Qwen3.5-4B backbone; tumatanggap ng screenshot at natural language instruction, at naglalabas ng normalized 0-1000 coordinates. Gumamit ang pagsasanay ng view-consistent GRPO at self-verified cross-view anchoring. Sa GUI grounding benchmarks, nakakuha ang SSPro ng 64.2 (pagtaas ng 2.0 kumpara sa GRPO-4B), SSV2 ng 93.8 (pagbaba ng 0.4), OSWorld-G ng 61.2 (pagtaas ng 1.3), at OSWorld-G-R ng 69.7 (pagtaas ng 0.5). Open source na ang model sa HuggingFace; inirerekomenda ang paggamit ng prompt at pagbabalik ng coordinates sa [x,y] format.

Mahahalagang impormasyon

  • Ang VISTA-4B ay isang GUI grounding model batay sa Qwen3.
  • 5-4B backbone
  • tumatanggap ng screenshot at natural language instruction,at naglalabas ng normalized 0-1000…
  • Gumamit ang pagsasanay ng view-consistent GRPO at self-verified cross-view anchoring.
  • Sa GUI grounding benchmarks,nakakuha ang SSPro ng 64.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
蚂蚁 inclusionAI:HuggingFace 新模型
Kategorya
Paglabas ng modelo
AI na marka
62
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

蚂蚁 inclusionAI 开源了一款 GUI 定位模型,基于 Qwen3.5 微调,在接地基准上小幅提升,关键是提供了自验证训练方法,做桌面自动化的可以直接下载用。

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: Inilabas ng inclusionAI ang VISTA-4B GUI grounding vision-language model. 12 Hunyo 2026. https://new.nat6.net/fil/news/cmqbwmfgh05seslam0r0r80vz/

Tingnan lahat →