inclusionAI lance VISTA-4B, un modèle vision-langage de localisation GUI
Titre original:inclusionAI/VISTA-4B
Résumé IA
VISTA-4B est un modèle de localisation GUI basé sur le backbone Qwen3.5-4B : il prend en entrée une capture d'écran et une instruction en langage naturel, et produit des coordonnées normalisées de 0 à 1000. L'entraînement repose sur GRPO à vue cohérente et un ancrage croisé auto-vérifié. Sur les benchmarks de localisation GUI, il obtient 64,2 sur SSPro (+2,0 par rapport à GRPO-4B), 93,8 sur SSV2 (-0,4), 61,2 sur OSWorld-G (+1,3) et 69,7 sur OSWorld-G-R (+0,5). Le modèle est open source sur HuggingFace ; il est recommandé d'utiliser le prompt et de renvoyer des coordonnées au format [x,y].
Points clés
- VISTA-4B est un modèle de localisation GUI basé sur le backbone Qwen3.
- 5-4B: il prend en entrée une capture d'écran et une instruction en langage naturel,et produit des…
- L'entraînement repose sur GRPO à vue cohérente et un ancrage croisé auto-vérifié.
- Sur les benchmarks de localisation GUI,il obtient 64,2 sur SSPro (+2,0 par rapport à GRPO-4B),93,8…
- Le modèle est open source sur HuggingFace
En bref
- Publié
- Mis à jour
- Catégorie
- Sorties de modèles
- Score IA
- 62
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。
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 lance VISTA-4B, un modèle vision-langage de localisation GUI. 12. juin 2026. https://new.nat6.net/fr/news/cmqbwmfgh05seslam0r0r80vz/