Ra mắt mô hình

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
Nguồn
蚂蚁 inclusionAI:HuggingFace 新模型
Danh mục
Ra mắt mô hình
Điểm AI
71
Đọc bản gốc Đọc toàn văn tại nguồn tin gốc
Lý do đề xuất

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.

Liên kết gốc · Mục AIHOT

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/

Xem tất cả →