inclusionAI/VISTA-9B: model bahasa-visual grounding GUI yang dilatih dengan VISTA
Judul asli:inclusionAI/VISTA-9B
Ringkasan AI
VISTA-9B adalah model grounding GUI yang dilatih dengan backbone Qwen3.5 9B, menerima input tangkapan layar dan instruksi bahasa alami, serta mengeluarkan koordinat ternormalisasi 0-1000. Model ini memakai metode VISTA (verifikasi mandiri konsisten tampilan), mencakup view-consistent GRPO dan self-verified cross-view anchoring. Pada SSPro, SSV2, OSWorld-G, dan OSWorld-G-R masing-masing memperoleh skor 69,2, 95,8, 68,1, dan 75,5, melampaui baseline Qwen3.5-9B dan GRPO-9B. Model telah dirilis sebagai sumber terbuka dan dapat dimuat melalui HuggingFace.
Poin utama
- VISTA-9B adalah model grounding GUI yang dilatih dengan backbone Qwen3.
- 5 9B,menerima input tangkapan layar dan instruksi bahasa alami,serta mengeluarkan koordinat…
- Model ini memakai metode VISTA (verifikasi mandiri konsisten tampilan),mencakup view-consistent…
- Pada SSPro,SSV2,OSWorld-G,dan OSWorld-G-R masing-masing memperoleh skor 69,2,95,8,68,1,dan…
- 5-9B dan GRPO-9B.
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Kategori
- Rilis Model
- Skor AI
- 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。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: inclusionAI/VISTA-9B: model bahasa-visual grounding GUI yang dilatih dengan VISTA. 12 Juni 2026. https://new.nat6.net/id/news/cmqbwmfgh05sdslam91ctu2zd/