inclusionAI/VISTA-9B: model bahasa visual penyetempatan GUI yang dilatih berdasarkan VISTA
Tajuk asal:inclusionAI/VISTA-9B
Ringkasan AI
VISTA-9B ialah model penyetempatan GUI yang dilatih berdasarkan tulang belakang Qwen3.5 9B, menerima tangkapan skrin dan arahan bahasa semula jadi sebagai input, dan mengeluarkan koordinat ternormal 0-1000. Ia menggunakan kaedah VISTA (pengesahan kendiri konsisten pandangan), termasuk GRPO konsisten pandangan dan penambatan silang pandangan disahkan sendiri. Ia memperoleh skor 69.2, 95.8, 68.1 dan 75.5 masing-masing pada SSPro, SSV2, OSWorld-G dan OSWorld-G-R, mengatasi garis dasar Qwen3.5-9B dan GRPO-9B. Model ini telah disumber terbuka dan boleh dimuatkan melalui HuggingFace.
Maklumat penting
- VISTA-9B ialah model penyetempatan GUI yang dilatih berdasarkan tulang belakang Qwen3.
- 5 9B,menerima tangkapan skrin dan arahan bahasa semula jadi sebagai input,dan mengeluarkan…
- Ia menggunakan kaedah VISTA (pengesahan kendiri konsisten pandangan),termasuk GRPO konsisten…
- Ia memperoleh skor 69.
- 1 dan 75.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Kategori
- Pelancaran Model
- Skor AI
- 71
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。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: inclusionAI/VISTA-9B: model bahasa visual penyetempatan GUI yang dilatih berdasarkan VISTA. 12 Jun 2026. https://new.nat6.net/ms/news/cmqbwmfgh05sdslam91ctu2zd/