Ra mắt mô hình

inclusionAI phát hành VISTA-4B mô hình ngôn ngữ thị giác định vị GUI

Tiêu đề gốc:inclusionAI/VISTA-4B

Tóm tắt AI

VISTA-4B là mô hình định vị GUI dựa trên backbone Qwen3.5-4B, nhận ảnh chụp màn hình và chỉ dẫn ngôn ngữ tự nhiên, xuất tọa độ chuẩn hóa 0-1000. Huấn luyện sử dụng view-consistent GRPO và self-verified cross-view anchoring. Trên các benchmark định vị GUI, SSPro đạt 64,2 điểm (tăng 2,0 so với GRPO-4B), SSV2 đạt 93,8 điểm (giảm 0,4), OSWorld-G đạt 61,2 điểm (tăng 1,3), OSWorld-G-R đạt 69,7 điểm (tăng 0,5). Mô hình đã mã nguồn mở trên HuggingFace, khuyến nghị sử dụng prompt và trả về tọa độ định dạng [x,y].

Thông tin chính

  • VISTA-4B là mô hình định vị GUI dựa trên backbone Qwen3.
  • 5-4B,nhận ảnh chụp màn hình và chỉ dẫn ngôn ngữ tự nhiên,xuất tọa độ chuẩn hóa 0-1000.
  • Huấn luyện sử dụng view-consistent GRPO và self-verified cross-view anchoring.
  • Trên các benchmark định vị GUI,SSPro đạt 64,2 điểm (tăng 2,0 so với GRPO-4B),SSV2 đạt 93,8 điểm…
  • Mô hình đã mã nguồn mở trên HuggingFace,khuyến nghị sử dụng prompt và trả về tọa độ định dạng [x,y].

Tóm tắt nhanh

Đăng lúc
Cập nhật lúc
Nguồn
蚂蚁 inclusionAI:HuggingFace 新模型
Danh mục
Ra mắt mô hình
Điểm AI
62
Đọc bản gốc Đọc toàn văn tại nguồn tin gốc
Lý do đề xuất

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。

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 phát hành VISTA-4B mô hình ngôn ngữ thị giác định vị GUI. 12 tháng 6 2026. https://new.nat6.net/vi/news/cmqbwmfgh05seslam0r0r80vz/

Xem tất cả →