inclusionAI merilis VISTA-4B, model bahasa-visual grounding GUI
Judul asli:inclusionAI/VISTA-4B
Ringkasan AI
VISTA-4B adalah model grounding GUI berbasis backbone Qwen3.5-4B yang menerima input tangkapan layar dan instruksi bahasa alami serta mengeluarkan koordinat ternormalisasi 0-1000. Pelatihan menggunakan view-consistent GRPO dan self-verified cross-view anchoring. Pada benchmark grounding GUI, SSPro memperoleh skor 64,2 (naik 2,0 dibanding GRPO-4B), SSV2 93,8 (turun 0,4), OSWorld-G 61,2 (naik 1,3), dan OSWorld-G-R 69,7 (naik 0,5). Model telah dirilis sebagai sumber terbuka di HuggingFace, disarankan menggunakan prompt dan mengembalikan koordinat dalam format [x,y].
Poin utama
- VISTA-4B adalah model grounding GUI berbasis backbone Qwen3.
- 5-4B yang menerima input tangkapan layar dan instruksi bahasa alami serta mengeluarkan koordinat…
- Pelatihan menggunakan view-consistent GRPO dan self-verified cross-view anchoring.
- Pada benchmark grounding GUI,SSPro memperoleh skor 64,2 (naik 2,0 dibanding GRPO-4B),SSV2 93,8…
- Model telah dirilis sebagai sumber terbuka di HuggingFace,disarankan menggunakan prompt dan…
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Kategori
- Rilis Model
- Skor AI
- 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。
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 merilis VISTA-4B, model bahasa-visual grounding GUI. 12 Juni 2026. https://new.nat6.net/id/news/cmqbwmfgh05seslam0r0r80vz/