猫眼影戏
 |
|
猫眼影戏
孔峤峤
手机审查
猫眼影戏记者 崔逾瑜 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：激情综合五月综合激情
??01月09日,冬季藏阳，有没有适用的食疗方？| 时令节气与健康,
第一 ，走路要专心 ，在都会里 ，车行车道 ，人走便道 ，这样既通畅又清静 。可是 ，就偏偏有人不遵守交通规则 ，在马路上随意穿行 ，翻越隔栏这种情形 。就好比说 ，我前天看的电视里不就是放了一群小朋侪边走路 ，边谈天 ，谈得很兴奋 ，遗忘了视察周围的情形 ，这不 ，其中的两个孩子就被车给撞了 。以是我们一定要切记“清静无小事”这句话 。
,中日欧美野外日一级黄色A片在线日 。??01月09日,关注巴以局势：以媒称以方提出新提议 哈马斯尚未回应,
“都抬下去！”武王喝道 ，下令那些西崽将被废的元老等抬走 。
,成都丁香人才网师母最新消息,纲手被扒开,唐舞桐裸体 。??时势2：加勒比www
??01月09日,专家：希望各国真诚对话，交流推进人权事业经验,
石昊“嗖”的一声跃起五六米高 ，落在了宽阔的鹰背上 ，马上感受到了一种坚硬 ，每一枚鳞片都如精铁般冷硬 。
,免费看美女被操的网站,好爽好爽好舒服高潮视频,一本一级毛片免费AAA 。??01月09日,【我们共芳华——党外人士话复兴】北京大学人民医院院长王俊：一个医生得到的最高褒赏，不是说多么聪明、有什么显赫的地位，而是病人说：“找到你，我就放心了”,
“我们进入一个离奇的村子 ，发明了狻猊的遗骨……”
,国产亚州一区二区三区免费视频,一路向西电影免费观看在线高清中文字幕,黃片AAA 。??时势3：男男 射精
??01月09日,【一线调研】“自动挡”新农机为丰收添动力, 这一次李龙给自己定的目的是总分抵达700分 ，考上顶尖的医学院 。刻意加入高考后 ，李龙将空闲时间都投入到追梦之中 。李龙雷打不动地逐日来到清华大学自习室内 ，在这里最先了他的备考之路 。,欧美熟女一区二区,国产野战激情视频在线 www.mt642.com,肏少妇骚屄里面真带劲高清视频 。
??01月09日,【新春纪事】新成昆铁路动检列车成“年货专列” 丰富川滇两地年味,
人影点点 ，那片山林泛起了呼喝声 ，划分从三个偏向来了三批人 ，属于差别的墟落 ，目的都是一个 ，冲向那座崩塌的石山 ，要挖出狻猊的遗体 。
,三级片网站,成年影视免费播放站,日本韩国三级AⅤ在线观看_主页,3D全彩漫画魂叔母游戏,夸克黄毛片 。??时势4：色色影院
??01月09日,应急管理部将云南镇雄县山体滑坡地质灾害响应级别提升至二级,
“小不点你真厉害 ，一巴掌一个就将这些人击败了 ，连谁人明确火光宝术的头领都没有能够支持住 。”
,天天操夜夜操APP下载安装,女生下面的视频,91精品2在线 。??01月09日,（文化中国行）大运河申遗后，无锡古运河如何争先打造世界旅游目的地？,
真正的至尊 ，基础不分什么肉身与骨文 ，磨炼肉身时就可爆发神秘纹络 ，化成大道碎片 ，融于血肉中 ，不分相互 。而修行骨文时 ，则是化成神曦 ，滋养血肉 ，熔炼于一炉 。
,亚洲午夜福利中文无码,男人干AV,日屄在线 。责编：陈来玉
审核：沙溢
责编：陈袁滩
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
