arXiv Computer Vision· Qingsong Xie, Jiahao Tian, Jiacheng Tang, Zhifeng Li, Madalina Ciobanu, Navan Preet Singh, Qingqing Mao, Ritankar Das·2026-10-15 12:00· 4 小时前AI 评分33

GroundGUI：用高质量数据与蒸馏到强化学习实现 GUI 定位

GroundGUI: GUI Grounding by High-Quality Data and Distillation-to-Reinforcement Learning

AI 导读

研究团队构建了覆盖桌面、网页和移动端的 GUI 定位数据集 ScreenRef，包含 586K 张截图和超 633K 条指代表达实例，并提出 Distillation-to-Reinforcement Learning（D2RL）方法，对 Qwen3-VL-8B-Instruct 依次进行 SFT 和 D2RL 训练，得到 GroundGUI-8B。

来源：arXiv Computer Vision · arxiv.org

千问 Qwen 多模态开源生态数据与训练论文研究 #论文/研究 #多模态 #数据/训练 #开源/仓库