Pelancaran Model

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
Sumber
蚂蚁 inclusionAI:HuggingFace 新模型
Kategori
Pelancaran Model
Skor AI
71
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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.

Pautan asal · Entri AIHOT

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/

Lihat Semua →