GroundGUI: Định Vị GUI Bằng Dữ Liệu Chất Lượng Cao Và Học Tăng Cường Kết Hợp Chắt Lọc
GroundGUI: GUI Grounding by High-Quality Data and Distillation-to-Reinforcement Learning
Đoạn trích bài viết
Việc xây dựng các agent GUI mạnh mẽ phụ thuộc vào khả năng định vị thị giác đa phương thức: khả năng ánh xạ chính xác ý định bằng ngôn ngữ tự nhiên tới các thành phần có thể hành động trên màn hình. Mặc dù có nhiều bộ đo chuẩn cho máy tính để bàn, web và thiết bị di động, các tài nguyên có độ trung thực cao được tinh chỉnh riêng cho các môi trường đa dạng lại khan hiếm một cách đáng ngạc nhiên.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.