arXiv · cs.AI· Qingsong Xie, Jiahao Tian, Jiacheng Tang, Zhifeng Li, Madalina Ciobanu, Navan Preet Singh, Qingqing Mao, Ritankar Das·· 5 小时前
GroundGUI 通过 ScreenRef 数据集与 D2RL 提升 GUI 视觉定位能力
GroundGUI: GUI Grounding by High-Quality Data and Distillation-to-Reinforcement Learning
arXiv:2610.19100v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Qingsong Xie, Jiahao Tian, Jiacheng Tang, Zhifeng Li, Madalina Ciobanu, Navan Preet Singh, Qingqing Mao, Ritankar Das
研究任务与主要进展
研究提出 ScreenRef 图形界面定位数据集，包含 586K 张桌面、网页和移动端截图及超过 633K 个自然语言指代表达实例，并提出 Distillation-to-Reinforcement Learning（D2RL）方法。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org