研究人员开发了GUI-JEPA,一种新颖的无解码器GUI代理策略,它在联合嵌入预测架构(JEPA)的潜在空间内运行。与传统的微调视觉语言模型(VLMs)相比,这种方法显著提高了速度并降低了内存需求。GUI-JEPA通过在潜在空间中预测动作来实现这一点,允许通过单个批量传递对候选动作进行评分,而无需进行令牌解码。在AndroidControl上的测试中,GUI-JEPA在保持高精度的同时,比Qwen2.5-VL-7B代理快2.8-4.0倍,并且参数数量大大减少。 AI
影响 引入了一种更高效的移动GUI代理架构,有望加快任务完成速度并降低资源需求。
排序理由 这是一篇详细介绍新AI模型架构及其在特定基准上性能的研究论文。[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 →