inclusionAI/VISTA-9B: mô hình ngôn ngữ thị giác định vị GUI huấn luyện dựa trên VISTA
Tiêu đề gốc:inclusionAI/VISTA-9B
Tóm tắt AI
VISTA-9B là mô hình định vị GUI huấn luyện trên backbone Qwen3.5 9B, nhận ảnh chụp màn hình và chỉ dẫn ngôn ngữ tự nhiên, xuất tọa độ chuẩn hóa 0-1000. Sử dụng phương pháp VISTA (tự xác minh nhất quán góc nhìn), gồm view-consistent GRPO và self-verified cross-view anchoring. Đạt lần lượt 69,2; 95,8; 68,1; 75,5 điểm trên SSPro, SSV2, OSWorld-G, OSWorld-G-R, vượt qua các baseline Qwen3.5-9B và GRPO-9B. Mô hình đã mã nguồn mở, có thể tải và sử dụng qua HuggingFace.
Thông tin chính
- VISTA-9B là mô hình định vị GUI huấn luyện trên backbone Qwen3.
- 5 9B,nhận ảnh chụp màn hình và chỉ dẫn ngôn ngữ tự nhiên,xuất tọa độ chuẩn hóa 0-1000.
- Sử dụng phương pháp VISTA (tự xác minh nhất quán góc nhìn),gồm view-consistent GRPO và…
- Đạt lần lượt 69,2
- 75,5 điểm trên SSPro,SSV2,OSWorld-G,OSWorld-G-R,vượt qua các baseline Qwen3.
Tóm tắt nhanh
- Đăng lúc
- Cập nhật lúc
- Danh mục
- Ra mắt mô hình
- Điểm 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。
Thực thể liên quan
Nguồn và bản quyền
Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.
Cách trích dẫn
Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.
Orange News: inclusionAI/VISTA-9B: mô hình ngôn ngữ thị giác định vị GUI huấn luyện dựa trên VISTA. 12 tháng 6 2026. https://new.nat6.net/vi/news/cmqbwmfgh05sdslam91ctu2zd/