猫眼影戏
 |
|
猫眼影戏
刘宗迪
手机审查
猫眼影戏记者 许广平 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1：99久久精品毛片免费播放夕色
??01月11日,1月15日至22日陕西出现大范围雨雪寒潮天气,
“哞……”
,雷电将军 到爽。??01月11日,广西建设辐射东盟的区域粮食质量安全检验监测体系,
凶蛟箭射来 ，他轻轻转动银白而锃亮的磨盘 ，马上传来“喀嚓喀嚓”声 ，竟将那戾气极重的符箭磨碎 ，点滴不剩。
,日韩三网站,yp最新网址,宝石骑士naimi 在线观看。??时势2：口工实验室
??01月11日,新疆博州：云层下的“梦幻草原”萨尔巴斯套,
“呀 ，小红！”小不点一下子站了起来 ，快速冲了已往。
,26uuu欧美激情在线,国产欧美精品区一区二区三区孕妇,爱看黄色操逼视频。??01月11日,广东患儿成功“换肤”切除巨型黑毛痣,
这些人临死前都恐惧到了极点 ，怨恨不已 ，柳树并不是不可舒展到这里 ，此前不过是不盘算罢了。
,91黄在线观看,忍堕女忍2.0繁星汉化版游戏介绍,一级特黄A片免费观看不卡的视频。??时势3：办公室秘书无码激情AV
??01月11日,刘德华台北演唱《中国人》遭绿营攻击，国台办回应,
“住手！”
,网站懂得,亚洲 你懂,免费一级AV高潮喷水片特黄。??01月11日,中国农业农村部部长：不断拓宽农民增收致富渠道,
尊重的段局长 ，列位向导 ，同志们：
,5060免费午夜一级,啊～哈 ～自己动,亚洲 日韩 色 图10p。??时势4：久草 网站
??01月11日,【澜湄印象】探访泰国廊开府水生动物博物馆 寻湄公河鱼类之踪,
青鳞鹰全身发光 ，符文交织 ，犹如一道道闪电在身上伸张 ，短暂的禁锢了此鼠 ，想要依赖原始宝符将其绞碎。
,国产后入又长又硬,AAA精品黄色,人人玩人人摸。??01月11日,广州今年将建设百个高质量就业社区（村）,
3、群学
,日本三级无码18 吃奶,女性向 skii,鑴别煈氭懜馃惢。责编：李睿
审核：田闻一
责编：王家兴
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
