เปิดตัวโมเดล

inclusionAI เปิดตัว VISTA-4B โมเดลภาษาภาพสำหรับ GUI grounding

หัวข้อต้นฉบับ:inclusionAI/VISTA-4B

สรุปโดย AI

VISTA-4B เป็นโมเดล GUI grounding บนแกนหลัก Qwen3.5-4B รับภาพหน้าจอและคำสั่งภาษาธรรมชาติ แล้วส่งออกพิกัดปกติ 0-1000 การฝึกใช้ view-consistent GRPO และ self-verified cross-view anchoring บน基準 GUI grounding ทำคะแนน SSPro 64.2 (เพิ่ม 2.0 จาก GRPO-4B), SSV2 93.8 (ลด 0.4), OSWorld-G 61.2 (เพิ่ม 1.3) และ OSWorld-G-R 69.7 (เพิ่ม 0.5) โมเดลเปิดโอเพนซอร์สบน HuggingFace แนะนำให้ใช้พร้อมต์และส่งคืนพิกัดรูปแบบ [x,y]

ข้อมูลสำคัญ

  • VISTA-4B เป็นโมเดล GUI grounding บนแกนหลัก Qwen3.
  • 5-4B รับภาพหน้าจอและคำสั่งภาษาธรรมชาติ แล้วส่งออกพิกัดปกติ 0-1000 การฝึกใช้ view-consistent GRPO แล…
  • 0 จาก GRPO-4B),SSV2 93.
  • 4),OSWorld-G 61.
  • 3) และ OSWorld-G-R 69.

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
蚂蚁 inclusionAI:HuggingFace 新模型
หมวดหมู่
เปิดตัวโมเดล
คะแนน AI
62
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

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。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: inclusionAI เปิดตัว VISTA-4B โมเดลภาษาภาพสำหรับ GUI grounding 12 มิถุนายน 2026 https://new.nat6.net/th/news/cmqbwmfgh05seslam0r0r80vz/

ดูทั้งหมด →