白嫩丰满人妻viesHD,在这里发现兴趣,分享快乐,记录生活的每个精彩瞬间

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

AAAI 2026 Oral|InfiGUI-G1模子来了 ,刷新GUI Grounding SOTA

2026-01-08 08:12:38
泉源:

猫眼影戏

作者:

英戈·哈特曼

手机审查

  猫眼影戏记者 武石磊 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:王霞的婬乱生活第二部更新时间

??01月08日,北京市属公园春节景观上新 生肖形象“隆隆”亮相,

  “啊 ,这样一枚神异的蛋 ,直接凿穿?”小不点犹豫。

,一级黄色视频在线视频在。

??01月08日,儿童肥胖防控刻不容缓,应选择符合成本效益的干预措施,

  这一次 ,竟然是小不点自动脱手 ,并且先冲向敌意也很浓的紫山昆 ,一掌拍出 ,掌指光泽晶莹 ,犹如神玉一样平常。

,新免费亚洲,二女一杯食屎原版视频合法吗,91大神大战酒店翘臀美女。

??时势2:亚洲AV无码一区二区三区桃色

??01月08日,房地产税收新政密集落地 居民购房信心进一步提振,

  这种变故太恐怖了 ,一个凶威极盛、堪与在场诸强比肩的飞蛟 ,就这么归于灰尘 ,像是老死了一样平常!

,日韩无码操逼视频,国产一级无码性爱视频,国产丝袜无码中文。

??01月08日,进球被取消 亚洲杯国足首战0:0战平塔吉克斯坦队,

  “适才喂了你一株仙丹 ,现在把你炖了 ,跟小鸡炖蘑菇差未几 ,典范的山野鲜味。”小不点威胁。

,国产51吃瓜秘 入口,黄色在线免费观看入口。,欧洲男青年撒尿自慰Gay。

??时势3:久久bbxxxx

??01月08日,2024国考需调剂6687人,公安系统调剂需求最大,

  结业了 ,学校送给你们一个礼物 ,一位校友设计的茶杯 ,希望各人注重身体 ,多喝水 ,虽然别忘了“上善若水”。

,无码精品操逼,ZoZσZσZσ女人极品另类,宁荣荣主动掀开裙子让我干。

??01月08日,中国(新疆)自由贸易试验区第十二师区块已新设立企业143家,

  众人:“……”

,在线观看黄色视频一站,欧美老妇人XXXX性开放,雏田 爆 动漫在线观看。

??时势4:麻豆av一级黄片

??01月08日,尹锡悦:实施戒严是不可避免之举,韩国对外政策基调不变,

  先生们、同砚们:

,在线观看无遮挡网址,嗯啊啊啊好舒服快点视频,赵露思被 疯狂喷水自慰。

??01月08日,东西问丨杨佴旻:怎样把中国水墨画推向世界?,

  “石村的朋侪恕罪 ,我们现在需要大宗的猛兽 ,这次的猎物就让给我们吧 ,以后会有厚报。”狈村的一其中年人出面喊道 ,声音很嘹亮。

,三级A做受在线,欧洲女人性开放视频-国产亚洲日韩欧美视频-播放观看在线视频-2020亚洲国产欧,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。

责编:博埃罗

审核:龚某林

责编:贾喧

相关推荐 换一换

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

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图