inclusionAI/VISTA-9B : un modèle vision-langage de localisation GUI entraîné sur VISTA
Titre original:inclusionAI/VISTA-9B
Résumé IA
VISTA-9B est un modèle de localisation GUI entraîné sur le backbone Qwen3.5 9B : il prend en entrée une capture d'écran et une instruction en langage naturel, et sort des coordonnées normalisées 0-1000. Il adopte la méthode VISTA (auto-vérification cohérente entre vues), avec GRPO cohérent entre vues et ancrage auto-vérifié entre vues. Il obtient 69,2, 95,8, 68,1 et 75,5 sur SSPro, SSV2, OSWorld-G et OSWorld-G-R, dépassant les baselines Qwen3.5-9B et GRPO-9B. Le modèle est open source et chargeable via HuggingFace.
Points clés
- VISTA-9B est un modèle de localisation GUI entraîné sur le backbone Qwen3.
- 5 9B: il prend en entrée une capture d'écran et une instruction en langage naturel,et sort des…
- Il adopte la méthode VISTA (auto-vérification cohérente entre vues),avec GRPO cohérent entre vues…
- Il obtient 69,2,95,8,68,1 et 75,5 sur SSPro,SSV2,OSWorld-G et OSWorld-G-R,dépassant les baselines…
- 5-9B et GRPO-9B.
En bref
- Publié
- Mis à jour
- Catégorie
- Sorties de modèles
- Score 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。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : inclusionAI/VISTA-9B : un modèle vision-langage de localisation GUI entraîné sur VISTA. 12. juin 2026. https://new.nat6.net/fr/news/cmqbwmfgh05sdslam91ctu2zd/