モデル公開

inclusionAI、GUI位置特定向の視覚言語モデルVISTA-4Bをリリース

原題:inclusionAI/VISTA-4B

AI 要約

VISTA-4BはQwen3.5-4BをバックボーンとするGUI位置特定モデルで、スクリーンショットと自然言語の指示を入力し、正規化された0-1000の座標を出力する。トレーニングにはビュー整合GRPOと自己検証クロスビューアンカリングを採用。GUI位置特定ベンチマークでは、SSProが64.2(GRPO-4B比で2.0向上)、SSV2が93.8(0.4低下)、OSWorld-Gが61.2(1.3向上)、OSWorld-G-Rが69.7(0.5向上)を記録した。モデルはHuggingFaceでオープンソース化済みで、プロンプトを使用し[x,y]形式の座標を返すことが推奨される。

要点

  • VISTA-4BはQwen3.
  • 5-4BをバックボーンとするGUI位置特定モデルで、スクリーンショットと自然言語の指示を入力し、正規化された0-1000の座標を出力する。
  • トレーニングにはビュー整合GRPOと自己検証クロスビューアンカリングを採用。
  • GUI位置特定ベンチマークでは、SSProが64.
  • 2(GRPO-4B比で2.

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
62
原文を読む 情報源で全文を読む
おすすめの理由

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。

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、GUI位置特定向の視覚言語モデルVISTA-4Bをリリース。2026年6月12日。https://new.nat6.net/ja/news/cmqbwmfgh05seslam0r0r80vz/

すべて見る →