inclusionAI melancarkan VISTA-4B model bahasa visual penyetempatan GUI
Tajuk asal:inclusionAI/VISTA-4B
Ringkasan AI
VISTA-4B ialah model penyetempatan GUI berdasarkan tulang belakang Qwen3.5-4B, menerima tangkapan skrin dan arahan bahasa semula jadi sebagai input, dan mengeluarkan koordinat ternormal 0-1000. Latihan menggunakan GRPO konsisten pandangan dan penambatan silang pandangan disahkan sendiri. Pada penanda aras penyetempatan GUI, SSPro memperoleh 64.2 (peningkatan 2.0 berbanding GRPO-4B), SSV2 memperoleh 93.8 (penurunan 0.4), OSWorld-G memperoleh 61.2 (peningkatan 1.3), dan OSWorld-G-R memperoleh 69.7 (peningkatan 0.5). Model ini telah disumber terbuka di HuggingFace, dan disyorkan menggunakan gesaan serta mengembalikan koordinat dalam format [x,y].
Maklumat penting
- VISTA-4B ialah model penyetempatan GUI berdasarkan tulang belakang Qwen3.
- 5-4B,menerima tangkapan skrin dan arahan bahasa semula jadi sebagai input,dan mengeluarkan…
- Latihan menggunakan GRPO konsisten pandangan dan penambatan silang pandangan disahkan sendiri.
- Pada penanda aras penyetempatan GUI,SSPro memperoleh 64.
- 2 (peningkatan 2.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Kategori
- Pelancaran Model
- Skor AI
- 62
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。
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 melancarkan VISTA-4B model bahasa visual penyetempatan GUI. 12 Jun 2026. https://new.nat6.net/ms/news/cmqbwmfgh05seslam0r0r80vz/