阿里最新放出了一款用于理解和操作GUI的GUI Grounding模型：UI-Ins，在5个基准上刷出新SOTA，安卓任务成功率74.1% 主打一个“把一句话变成屏幕上的准确点击”，指令即推理，它把一句话拆成多条思维链，然后挑最靠谱的那条去点屏幕有泛化推理能力，能组合出训练时没有明确教过的新推理角度有7B、32B两版 UI-Ins的7B在AndroidWorld端到端任务成功率74.1

#UI-Ins #GUI Grounding模型 #安卓任务成功率74.1% #泛化推理能力 #大模型

相关新闻

AIGCLINK

1天前

美团刚刚开源了一款低延迟全模态大模型：LongCat-Flash-Omni，128K上下文+支持超8分钟实时音视频交互能听能看能说，毫秒级延迟，可以拿来搭建实时语音助手、直播弹幕机器人、音视频质检等在OmniBench上超Gemini-2.5-Flash、Qwen3-Omni，接近Gemini 2.5 Pro；在MMBench与Gemini、GPT-4o、Qwen-VL相当；MVBench

Crypto_Painter

2天前

最近做交易一直亏钱？看看本世纪的人类智慧结晶们，你会发现它们一样亏... 是不是好受一点了？之前领跑的DeepSeek和Qwen都出现了巨大回撤，而其他大模型都亏的差不多了... 比较有趣的是垫底的Gemini最近居然在赚钱？

汤光头

2天前

他奶奶的又跟大模型干了一天大模型还是太笨了，效果总是不理想

中新网-中国新闻网

2天前

引进AI标识、大模型等，该如何治理违规AI广告？

meng shao

3天前

我对腾讯做大模型，只有一个期待：能不能微信的语音识别做的准确一点，特别是中国各种方言，听语音实在是很烦人的事 😂 如果还有余力，帮我们把微信聊天总结和自动回复做一下，有些人很喜欢信息轰炸，一下几十条信息(语音)，真不想看，让 AI 给我总结回复一下就好。