跳到正文
arXiv · 机器人与计算机视觉· Qingsong Xie, Jiahao Tian, Jiacheng Tang, Zhifeng Li, Madalina Ciobanu, Navan Preet Singh, Qingqing Mao, Ritankar Das·· 2026-10-15精选AI 评分82

GroundGUI:基于高质量数据与蒸馏强化学习的 GUI 定位模型

GroundGUI: GUI Grounding by High-Quality Data and Distillation-to-Reinforcement Learning

AI 导读

针对 GUI 智能体构建中高质量视觉定位资源稀缺的问题,作者提出了包含 58.6 万截图和 63.3 万指令实例的 ScreenRef 数据集,并设计了从监督微调到强化学习的 D2RL 训练方法。

推荐理由

作者提出 D2RL 方法并基于 ScreenRef 数据集训练出 GroundGUI-8B,在多项 GUI 基准测试中表现优异。

来源:arXiv · 机器人与计算机视觉 · arxiv.org