arXiv · 机器人与计算机视觉· Ruilin Yao, Xinyu Qiu, Tianyu Zou, Yi Rong, Shengwu Xiong, Shuheng Shen, Changhua Meng·· 22 天前AI 评分48
LBS 模型通过 GUI 锚定实现可迁移视觉观察,基于 Qwen3.5-35B-A3B 与 Qwen3.8-27B 在 PerceptionBench、HR-Bench 及 ChartQAPro 上超越基线
Learning to Look Beyond Screens: Transferable Visual Observation from GUI Grounding
AI 导读
LBS(Look Beyond Screens)是一种通过监督初始化 GUI 锚定轨迹并结合强化学习训练视觉语言模型,以支持跨界面任务观察的新范式。基于 Qwen3.5-35B-A3B 和 Qwen3.8-27B 的模型在固定推理设置下,于 PerceptionBench、HR-Bench 及 ChartQAPro 等基准上均超越对应基线。
来源:arXiv · 机器人与计算机视觉 · arxiv.org