English(EN) RankGround: Efficient High-Resolution GUI Grounding via Lightweight Reranker-Guided Crop Selection

RankGround 通过单次 VLM 调用提高 GUI 基础定位效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-17 04:00

研究人员开发了 RankGround，一个新颖的两阶段框架，旨在提高多模态代理进行图形用户界面 (GUI) 基础定位的效率和准确性。该方法使用一个名为 GroundRanker 的轻量级多模态重排器，该重排器通过单次视觉语言模型 (VLM) 调用来识别查询最相关的图像裁剪。据报道，与现有方法相比，RankGround 在推理速度上提高了 1.4 倍，在定位准确性上提高了 5.5%，在 GUI 基础定位方面树立了新的最先进水平。 AI

影响提高了多模态代理与数字界面交互的效率和准确性。

排序理由这是一篇详细介绍 GUI 基础定位新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇详细介绍 GUI 基础定位新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Liyang Fan, Xinping Bi, Yitai Li, Shuaimin Li, Hui Li, Min Yang · 2026-09-17 04:00

RankGround：通过轻量级重排器引导的裁剪选择实现高效高分辨率GUI基础

arXiv:2609.18690v1 Announce Type: cross Abstract: Graphical User Interface (GUI) grounding is a fundamental perception task for multimodal agents, enabling them to interpret natural language instructions and interact with digital interfaces. Existing methods face a fundamental tr…

本文如何被排名

报道来源 [1]

RankGround：通过轻量级重排器引导的裁剪选择实现高效高分辨率GUI基础

相关实体

相关话题