/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
8,9 ГБ
Лицензия
MIT
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-4B-Instruct
Библиотека
transformers
Опубликована
25 мар 2026

UI-Voyager

Изображение и текст → текст3 профессии

UI-Voyager — дообученный мультимодальный агент, который воспринимает мобильный интерфейс и выполняет задачи на Android.

46скачиваний за 30 дней9лайковвеса обновлены26 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

UI-Voyager — специализированный мультимодальный агент для управления мобильными графическими интерфейсами. Модель разработана на основе Qwen3-VL-4B-Instruct и дообучена по двухэтапной схеме, которая использует неудачный опыт для улучшения поведения. Архитектура dense, около 4 млрд параметров; модель работает с изображениями и текстом и выдаёт текстовые ответы или команды агента.

Модель предназначена для распознавания элементов интерфейса, понимания их функций и автономного выполнения задач на Android-устройствах. В карточке заявлен результат 81,0% успешных заданий на AndroidWorld. Модель наследует от базовой Qwen3-VL возможности визуального восприятия, OCR и мультимодального рассуждения. Лицензия — MIT.

Сценарии применения

  • автономное выполнение задач в Android-приложениях
  • распознавание элементов мобильного интерфейса по скриншотам
  • понимание назначения кнопок и других элементов экрана
  • управление эмуляторами Android для оценки GUI-агентов

Ограничения

Заявленный результат 81,0% относится к бенчмарку AndroidWorld и сам по себе не гарантирует успешность на других приложениях или устройствах. В README не приведены подробные ограничения по сценариям применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

UI-Voyager: A Self-Evolving GUI Agent Learning via Failed Experience

UI-Voyager is a novel two-stage self-evolving mobile GUI agent fine-tuned from Qwen3-VL-4B-Instruct. Our 4B model achieves a 81.0% success rate on the AndroidWorld benchmark, outperforming numerous recent baselines and exceeding human-level performance.

Highlights

  • 🏆 State-of-the-Art Performance: Achieves 81.0% success rate on AndroidWorld, surpassing human-level performance.
  • 🔄 Self-Evolving: A two-stage training paradigm that learns from failed experiences to continuously improve.
  • 📱 Mobile GUI Agent: Specialized for operating mobile device interfaces — recognizing UI elements, understanding functions, and completing tasks autonomously.
  • 🧠 Built on Qwen3-VL-4B: Inherits the powerful vision-language capabilities of Qwen3-VL-4B-Instruct, including advanced visual perception, OCR, and multimodal reasoning.

Model Details

AttributeDetail
Base ModelQwen3-VL-4B-Instruct
Parameters~4B
LicenseMIT
TaskMobile GUI Agent / Image-Text-to-Text
BenchmarkAndroidWorld
Success Rate81.0%

Evaluation on AndroidWorld

For full evaluation instructions using AndroidWorld with parallel emulators, please refer to our GitHub repository.

# Start parallel evaluation (4 emulators)
NUM_WORKERS=4 CONFIG_NAME=UI-Voyager MODEL_NAME=UI-Voyager ./run_android_world.sh

Citation

If you find this work useful, please consider giving a star ⭐ and citation:

@misc{lin2026uivoyager,
      title={UI-Voyager: A Self-Evolving GUI Agent Learning via Failed Experience}, 
      author={Zichuan Lin and Feiyu Liu and Yijun Yang and Jiafei Lyu and Yiming Gao and Yicheng Liu and Zhicong Lu and Yangbin Yu and Mingyu Yang and Junyou Li and Deheng Ye and Jie Jiang},
      year={2026},
      eprint={2603.24533},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2603.24533}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
c262b85

0 моделей