inclusionAI ने VISTA-4B GUI ग्राउंडिंग विज़न-लैंग्वेज मॉडल जारी किया
मूल शीर्षक:inclusionAI/VISTA-4B
AI सारांश
VISTA-4B, Qwen3.5-4B बैकबोन पर आधारित GUI ग्राउंडिंग मॉडल है, जो स्क्रीनशॉट और प्राकृतिक भाषा निर्देश इनपुट लेकर सामान्यीकृत 0-1000 निर्देशांक आउटपुट करता है। प्रशिक्षण में व्यू-कंसिस्टेंट GRPO और स्व-सत्यापित क्रॉस-व्यू एंकरिंग का उपयोग किया गया। GUI ग्राउंडिंग बेंचमार्क पर SSPro में 64.2 अंक (GRPO-4B की तुलना में 2.0 की वृद्धि), SSV2 में 93.8 अंक (0.4 की गिरावट), OSWorld-G में 61.2 अंक (1.3 की वृद्धि), OSWorld-G-R में 69.7 अंक (0.5 की वृद्धि) प्राप्त किए। मॉडल HuggingFace पर ओपन-सोर्स है; प्रॉम्प्ट का उपयोग करने और [x,y] प्रारूप में निर्देशांक लौटाने की सलाह दी जाती है।
मुख्य जानकारी
- VISTA-4B,Qwen3.
- 5-4B बैकबोन पर आधारित GUI ग्राउंडिंग मॉडल है,जो स्क्रीनशॉट और प्राकृतिक भाषा निर्देश इनपुट लेकर…
- 2 अंक (GRPO-4B की तुलना में 2.
- 0 की वृद्धि),SSV2 में 93.
- 4 की गिरावट),OSWorld-G में 61.
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- मॉडल लॉन्च
- AI स्कोर
- 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。
संबंधित एंटिटी
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: inclusionAI ने VISTA-4B GUI ग्राउंडिंग विज़न-लैंग्वेज मॉडल जारी किया। 12 जून 2026। https://new.nat6.net/hi/news/cmqbwmfgh05seslam0r0r80vz/