研究人员探索了小型GUI基础模型有效接收动作类型的方法,并比较了五种不同方法。在Android in the Wild数据集上使用LoRA对Qwen2-VL-2B模型进行微调,他们发现辅助损失、加性学习嵌入和基于提示的动作词显著提高了性能,优于基线。然而,硬路由和前缀标记没有显示出明显的好处,而将屏幕外触摸点夹紧的预处理选择对基础准确性产生了负面影响。 AI
影响 这项研究为提高小型AI模型在GUI交互中的效率和准确性提供了见解,可能影响更强大的辅助技术的开发。
排序理由 学术论文,详细介绍了一种新颖的模型训练和评估方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →