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
- カテゴリ
- モデル公開
- AI スコア
- 71
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。
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/