研究人员开发了 GroundCascade,这是一种新颖的无需训练的控制器,旨在提高图形用户界面 (GUI) 基础定位的准确性。该系统利用全屏和缩放预测之间的一致性来确定何时需要补充模型,从而减少冗余计算。GroundCascade 在 ScreenSpot-Pro 和 OSWorld-G-Refined 等基准测试中取得了最先进的成果,同时还显著减少了每次请求所需的模型调用次数。 AI
影响 通过提高定位屏幕元素的准确性和效率,增强代理与 GUI 的交互。
排序理由 研究论文,详细介绍了 GUI 基础定位的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- GroundCascade
- Hugging Face
- Indeed-UI-32B
- Indeed-UI-8B
- OSWorld-G-Refined
- Qwen3.6-27B
- Qwen3 8.27B
- ScreenSpot-Pro
- UI-Vision
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →