Rilis Model

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
Sumber
蚂蚁 inclusionAI:HuggingFace 新模型
Kategori
Rilis Model
Skor AI
71
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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.

Tautan asli · Entri AIHOT

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/

Lihat semua →