PrentisAI/GroundGUI-8B

GUI uzemňovací model postavený na Qwen3-VL-8B-Instruct ↗. Vzhledem k screenshotu a instrukci v přirozeném jazyce vypisuje akci jednoho kliknutí jako `` se souřadnicí na mřížce 0–1000.

Vyladěno z Qwen3-VL-8B-Instruct na ScreenRef ↗. Podrobnosti budou popsány v příspěvku.

Přesnost (%) je zlomek předpokládaných bodů kliknutí, které přistanou uvnitř pole pravdy o zemi. Souřadnice jsou mapovány zpět do prostoru pixelů a kontrolovány proti poli přesně, bez tolerance zaokrouhlování.

Model očekává konkrétní systémovou výzvu a šablona chatu ji za vás nepřidá. Použijte vyhodnocovací kód v GroundGUI ↗ (scripts/eval.sh) k reprodukci výše uvedených čísel; nastaví výzvu systému (scalecua_toolcall) a skóre pro každý benchmark.