InfiGUI-G1
[AAAI 2026 口頭報告] InfiGUI-G1 的官方儲存庫。我們提出自適應探索策略最佳化 (AEPO),以克服中 GUI 代理的語意對齊瓶頸
InfiGUI-G1 是什麼?
[AAAI 2026 口頭報告] InfiGUI-G1 的官方儲存庫。我們提出自適應探索策略最佳化 (AEPO),以透過高效、引導式探索克服 GUI 代理中的語意對齊瓶頸。
InfiGUI-G1 概覽
這是什麼
InfiGUI-G1 是一系列用於 GUI 定位的模型,已被 AAAI 2026 接受為口頭報告。本官方儲存庫實作了自適應探索策略最佳化(AEPO),這是一種透過高效、引導式探索來克服 GUI 代理中語義對齊瓶頸的方法。
主要功能
- 引入自適應探索策略最佳化(AEPO)以解決 GUI 定位中的探索瓶頸。
- 使用多答案生成策略,在單次前向傳遞中探索多樣化的候選動作。
- 採用基於效率原則(η=U/C)的理論基礎自適應探索獎勵(AER)函數,以平衡探索與利用。
- 在 MMBench-GUI (L2)、ScreenSpot-Pro、UI-Vision、UI-I2E-Bench 和 ScreenSpot-V2 等多個基準測試中,於開源模型中達到最新最佳結果。
- 提供兩種模型大小:InfiGUI-G1-3B 和 InfiGUI-G1-7B,可在 Hugging Face 上公開取得。
- 包含評估與訓練腳本,以確保可重現性。
使用情境
- 增強 GUI 代理在電腦、手機和瀏覽器介面上理解自然語言指令的能力。
- 改善需要理解抽象視覺符號和隱含指令的任務中的語義對齊。
- 跨多種平台(行動裝置、桌面、網頁)和專業軟體評估 GUI 定位效能。
快速開始
複製儲存庫並設定環境:git clone https://github.com/InfiXAI/InfiGUI-G1.gitcd InfiGUI-G1從 Hugging Face 下載模型:mkdir -p ./modelshuggingface-cli download --resume-download InfiX-ai/InfiGUI-G1-3B --local-dir ./models/InfiGUI-G1-3Bhuggingface-cli download --resume-download InfiX-ai/InfiGUI-G1-7B --local-dir ./models/InfiGUI-G1-7B下載並準備評估資料集,然後執行評估:python eval/eval.py ./models/InfiGUI-G1-3B --benchmark screenspot-pro --tensor-parallel 4
授權與價格
採用 Apache-2.0 授權。此專案為開源。
內容整理自該專案公開的 README 與儲存庫資訊。