モデル公開

inclusionAI/VISTA-9B:VISTAでトレーニングされたGUIグラウンディング視覚言語モデル

原題:inclusionAI/VISTA-9B

AI 要約

VISTA-9BはQwen3.5 9BバックボーンでトレーニングされたGUIグラウンディングモデルで、スクリーンショットと自然言語の指示を入力し、0-1000に正規化された座標を出力する。VISTA(ビュー整合自己検証)手法を採用し、view-consistent GRPOとself-verified cross-view anchoringを含む。SSPro、SSV2、OSWorld-G、OSWorld-G-Rでそれぞれ69.2、95.8、68.1、75.5点を取得し、Qwen3.5-9BとGRPO-9Bのベースラインを上回った。モデルはオープンソース化され、HuggingFaceから読み込んで利用できる。

要点

  • VISTA-9BはQwen3.
  • 5 9BバックボーンでトレーニングされたGUIグラウンディングモデルで、スクリーンショットと自然言語の指示を入力し、0-1000に正規化された座標を出力する。
  • VISTA(ビュー整合自己検証)手法を採用し、view-consistent GRPOとself-verified cross-view anchoringを含む。
  • SSPro、SSV2、OSWorld-G、OSWorld-G-Rでそれぞれ69.
  • 5点を取得し、Qwen3.

概要

公開日時
更新日時
出典
蚂蚁 inclusionAI:HuggingFace 新模型
カテゴリ
モデル公開
AI スコア
71
原文を読む 情報源で全文を読む
おすすめの理由

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。

関連エンティティ

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:inclusionAI/VISTA-9B:VISTAでトレーニングされたGUIグラウンディング視覚言語モデル。2026年6月12日。https://new.nat6.net/ja/news/cmqbwmfgh05sdslam91ctu2zd/

すべて見る →