猫眼影戏
 |
|
猫眼影戏
李金巳
手机审查
猫眼影戏记者 萧君玮 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：精品无码国产污污污网站
??01月08日,2023年厦门市外贸进出口值创历史新高,
“变强！”
,国产亚洲精品自拍。??01月08日,农业农村部：二季度生猪市场形势有望好于去年同期,
1、全心安排 ，周全安排 ，建设林场防汛向导组织机构 ，制订林场防汛实验预案 ，落实防汛值班带班制度。2、严酷执行防汛责任制 ，确保防汛事情落实 ，做好防汛事情 ，落实责任是要害 ，进一步建设健全了防汛责任制 ，确保责任落实到位 ，事情执行到位。3、扎实做好防汛的各项事情 ，认真做好防汛信息上传下达 ，对场、站区域水路隐患举行扫除 ，全力做好防汛事情 ，抓好汛前大检查等 ，确保了宽大职工人身清静、工业清静。
,99视频,这里只有精品,老头裸体洗澡沟引帅老头,在线看污一区。??时势2：亚洲一级片免费视频
??01月08日,美媒：哈里斯选择明尼苏达州州长沃尔兹为竞选搭档,
??01月08日,中新健康丨“围炉煮茶”存一氧化碳中毒隐患 有意识早发现是关键,
然而校园清静事故一再爆发 ，那些花季少年的夭亡 ，那些鲜活生命的消逝怎能不让人扼腕叹息。人的生命只有一次 ，当这些孩子的生命之花干枯的时间 ，他们的理想和斗争永远地失去了价值。怙恃永远失去自己的孩子 ，许多家庭永远失去了优美未来……这些血的事实一次次地警示我们 ，中小学生清静隐患令人震惊 ，增强中小学生清静；げ椒タ探够。
,乌克兰大屁股XXxx,欧美性高潮xxxx,婷婷五月丁香网。??时势3：嗯～啊～快点 死我男男
??01月08日,“炸弹卡车”歼-16 再现“鳄鱼翻滚”,
一杆杆散发着冷森光线的铁矛 ，划破长空 ，每一杆都有两米长 ，数十斤重 ，可以洞穿火犀的皮 ，咆哮而来！
,十大黄台 软,国产国产乱片,欧美黄色牲交配。??01月08日,劳动节假期期间已有近75.8万人次内地访客入境香港,
三是精神文明建设和民主法制建设的需要。
,一级国产特黄录像,强奷丰满的少妇年轻的少妇,欧美性生活一级A片。??时势4：人人人人人人人人操
??01月08日,（两会速递）中国文旅部：对外国游客入境便利性进行全流程梳理,
不要说是人族 ，就是金翅大鹏、真犼这类生物的最强幼崽 ，也不过云云 ，很难再强了 ，这着实撼感人心。
,人人爽 人人操,雷电将军爆乳18禁 动漫嗯视频,亚洲色精品v丨一区三区。??01月08日,外宾参访团山东开启“品酒之旅” 感受百年酒业文化,
倒是美丽大虫那样很强、但又不是最强的生灵对他们的威胁最大 ，途中有一只怪猿 ，符文一出 ，震天动地 ，将一座石山都震塌了 ，对他们穷追不舍了三天三夜才收手。
,吴梦梦补课,91在线 伊人,鸡巴玩的免费视。责编：晏夏雨
审核：林锦斌
责编：安纯人
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
