猫眼影戏
 |
|
猫眼影戏
蔡令怡
手机审查
猫眼影戏记者 习楠 报道Q8X2R7L1T4J5M9B6W3
随着多模态大语言模子（MLLM）的飞速生长，能够像人类一样通过视觉输入操作图形用户界面（GUI）的智能体（Agent）正逐渐成为现实 。然而，在通往通用盘算机控制的蹊径上，怎样让模子精准地将自然语言指令对应到屏幕上的详细元素 —— 即 GUI Grounding 使命，依然是一浩劫题 。
现有的要领，特殊是基于验证奖励的强化学习（RLVR），虽然在提升 “指得准”（空间对齐）方面体现精彩，却往往在 “指得对”（语义对齐）上遭遇瓶颈 。模子经常陷入 “自信陷阱”，在重大的语义场景下无法通过有用探索找到准确的功效图标 。
针对这一痛点，来自浙江大学、香港理工大学及 InfiX.ai 的研究团队提出了一种全新的自顺应探索战略优化框架（AEPO），并推出了InfiGUI-G1系列模子 。该模子通过多谜底天生与自顺应奖励机制，彻底突破了古板 RLVR 的探索瓶颈 。仅凭 3B 和 7B 的参数目，InfiGUI-G1 便在多个高难度 GUI 基准测试中刷新了 SOTA，部分指标甚至大幅逾越了闭源模子 。
本文将深入先容这项被 AAAI 2026 吸收为 Oral 的事情，解读其怎样通过 “学会探索” 来实现更精准的 GUI 语义明确 。
论文问题：InfiGUI-G1: Advancing GUI Grounding with Adaptive Exploration Policy Optimization论文链接：https://arxiv.org/abs/2508.05731代码链接：https://github.com/InfiXAI/InfiGUI-G1
从 “空间对齐” 到 “语义对齐”：被忽视的探索瓶颈
GUI Grounding 使命的焦点是将自然语言指令（如 “翻开相机”）映射到屏幕上的特定元素坐标 。研究团队指出，这一使命可以解构为两个正交的维度：
1. 空间对齐（Spatial Alignment）：能否准确地定位到元素（即 “指得准”） 。
2. 语义对齐（Semantic Alignment）：能否识别出功效准确的元素（即 “指得对”） 。
现有的 RLVR 要领（如 Naive RLVR）虽然能通过优化坐标天生来提升定位精度，但在面临语义模糊或重大的指令时却显得力有未逮 。
例如，当指令是 “使用相机搜索物体” 时，屏幕上可能同时保存通俗的 “相机应用” 和具有视觉搜索功效的 “Google Lens” 。缺乏深度语义明确的模子往往会自信地死磕 “相机应用” 图标 。由于古板 RL 依赖目今战略采样，模子会一直重复这个高置信度的过失，陷入“自信陷阱”（Confidence Trap），从而无法发明真正准确的 “Google Lens” 图标，导致无法获得修正语义误解所需的学习信号 。
GUI Grounding 的主要失败模式： (a) 空间对齐失败，(b) 语义对齐失败
InfiGUI-G1：自顺应探索战略优化（AEPO）
为相识决这一探索效率低下的问题，InfiGUI-G1 引入了AEPO（Adaptive Exploration Policy Optimization）框架 。与古板的单次回覆天生差别，AEPO 旨在通过更普遍且高效的探索来捕获低概率但准确的选项 。
AEPO 框架由三个协同事情的焦点组件组成：
1.多谜底天生气制（Multi-Answer Generation）古板的 RL 要领通常只采样一个行动，一旦模子 “顽强己见” 地选错，梯度的学习信号就会消逝 。AEPO 强制模子在一次前向转达中天生 N 个候选坐标点 。这一机制迫使模子跳出简单的高置信度展望，去探索战略漫衍长尾中的可能性，从而大幅增添了发明准确谜底（如上述例子中的 Google Lens）的概率 。
2.自顺应探索奖励（Adaptive Exploration Reward, AER）仅仅天生多个谜底是不敷的，怎样评价这些谜底的质量至关主要 。研究团队基于效率第一性原理（效率 = 效用 / 本钱）设计了 AER 函数 。
动态激励：若是模子在靠前的排名（Rank k）就找到了准确谜底，给予高额奖励；若是失败，则给予较小的处分以勉励继续探索 。这种非线性的奖励设计在失败时勉励模子 “广撒网”，在乐成时指导模子追求 “快准狠”，实现了探索与使用的动态平衡 。
3.共线处分（Collinear Penalty）为了避免模子通过天生近似直线的点来 “作弊”（简朴的线性扫描战略），研究引入了共线处分 。若是天生的多个候选点在几何上近似共线，将被视为低质量探索并受到严肃处分 。这强制模子在语义空间而非纯粹的几何空间中举行多样化探索 。
AEPO 与 Naive 强化学习基准要领的比照
实验效果：小参数目实现性能越级
研究团队在 MMBench-GUI、ScreenSpot-Pro、UI-Vision 等五个极具挑战性的基准上对 InfiGUI-G1（3B 和 7B 版本）举行了周全评估 。
1.综合性能周全领先：在 MMBench-GUI 基准测试中，InfiGUI-G1-7B 在 Windows、iOS、Android 等多个平台上的体现均刷新了开源模子的最佳效果 。值得注重的是，InfiGUI-G1-7B 在部分指标上甚至优于参数目大得多的 Qwen2.5-VL-72B 和闭源模子 GPT-4o 。
2.攻克高难度语义明确使命ScreenSpot-Pro 基准专门区分了文本类（Text）和图标类（Icon）使命 。效果显示，InfiGUI-G1 在更依赖语义明确的 “图标” 使命上提升尤为显着 。这直接证实晰 AEPO 战略有用解决了语义对齐的瓶颈，让模子真正 “看懂” 了笼统图标背后的功效寄义，而不但仅是举行简朴的文本匹配 。
3.让 “不可学习” 变得 “可学习”为了验证 AEPO 是否真的解决了探索难题，研究团队将样本按难度分为简朴、中等和难题 。实验发明，InfiGUI-G1 在 “难题” 样本（即基座模子险些无法答对的样本）上的提升最为重大，相对 Naive RLVR 基线提升了凌驾60% 。这意味着 AEPO 乐成挖掘出了那些以往因缺乏探索而被模子 “放弃” 的长尾知识 。
ScreenSpot-Pro 基准测试的性能比照
总结与展望
InfiGUI-G1 的乐成批注，GUI 智能体的性能瓶颈不但仅在于视觉识别能力，更在于怎样通过有用的强化学习战略来解决语义对齐问题 。通过引入自顺应探索机制，InfiGUI-G1 以极高的数据效率和较小的模子规模，实现了逾越大模子的 GUI Grounding 能力 。这项事情为未来开发更通用、更智能的 GUI 交相助手提供了坚实的手艺基础 。
现在，InfiGUI-G1 的代码、模子权重及相关资源已在 GitHub 开源，接待社区进一步研究与使用 。
??时势1：各种老熟女毛片免费视频
??01月10日,助力学子暑期游香港 “校园行 飞香港”首场活动走进清华大学,
“少自作智慧！”中年男子狠狠地瞪了他一眼 。
,欧美第一次破苞视频视频 。??01月10日,俄军舰艇编队驶入古巴哈瓦那港,
老族长战战兢兢，自怀中取出一块骨，莹白而有光泽，像是一块巴掌大的羊脂美玉，说不出的晶莹，皎洁而剔透 。
,亚洲色情综合娱乐久久,日本黄色大片网站,丁香五月天婷婷综合 。??时势2：泳装小南吃长门钢筋视频
??01月10日,腾讯云携手同程旅行打击订单诈骗 前10月挽回消费者损失超千万,
“大婶，坚持住呀，我们马上就要抵家了 。”小不点石昊给它鼓劲 。
,91精品一区国产高清在线,被黑人巨大进入av,要玩就找老太婆 。??01月10日,广东发展“年菜经济” 背后为何藏着一个“深”字？,
“这样啊 。”小不点挠了挠头头，小声道：“那我下次再乐成的话，是不是还能拿到一块？”
?第八十二章 只身闯寇窟,国产性爱在线观看,豆包成人版,色抖国产 。??时势3：八重神子裸体被 涩涩游戏
??01月10日,三代女法官剪影：正义桂冠上“最美的花”,
这枚蛋有点特殊，有可能继续了远古魔禽不少印记碎片，爆发了返祖征象，若是这样，血脉高尚无比，远胜其怙恃 。
,偷窥村妇洗澡毛毛多,91超大乳露双乳视频搜视频在线看,免费一级A片在线观看播放视频无码 。??01月10日,青岛海关开展全国首个“智慧电讯检疫示范船舶”试点,
并且，这金色的骨头给人很恐怖的感受，更胜过祭灵自己，那诸多部落被灭、四野伏尸的场景，正是此骨映照出的 。
,女人高潮一级片,德国dsm针刺视频,A片视频免费观看在线 。??时势4：女人张开腿让男人捅的免费视频
??01月10日,总重约25吨！天津海关首次查获走私阿胶,
首先先容今天莅临银行分行开业典式的列位向导：……
,一级国产黄色性爱视频,国产精品自偷自窥,国产AV毛片无码一级 。??01月10日,（粤港澳大湾区）珠澳共建老年教育联合办学点,
显然，语言的人是从高条理的洞天下来的，回到了这初始地，不然不可能知晓 。
,黄色AⅤ网站,穿jk白丝被 粉嫩脚底,亚洲精品无码AⅤ天堂 。责编：鲍威尔
审核：赵一弘
责编：崔维成
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
