/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
16,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_vl · dense
Базовая модель
UI-TARS-7B-DPO
Библиотека
transformers
Опубликована
29 мая 2025

ZeroGUI-AndroidLab-7B

Изображение и текст → текст3 профессии

Визуально-языковая модель на базе Qwen2-VL для выполнения инструкций и задач в графическом интерфейсе Android.

51скачиваний за 30 дней5лайковвеса обновлены30 мая 2025

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

ZeroGUI-AndroidLab-7B — визуально-языковая модель для работы с графическим интерфейсом Android, разработанная OpenGVLab в рамках подхода ZeroGUI. Она принимает изображение экрана и текстовую инструкцию и предназначена для управления интерфейсом и выполнения задач в интерактивной среде. Модель построена на архитектуре Qwen2-VL, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; в метаданных указаны английский и китайский языки.

README описывает ZeroGUI как фреймворк онлайн-обучения GUI-агентов с автоматической генерацией задач и оценкой вознаграждения по траекториям и снимкам экрана, включая двухэтапное обучение с адаптацией во время тестирования. Эта модель дообучена на ByteDance-Seed/UI-TARS-7B-DPO. Репозиторий использует формат safetensors и лицензию Apache-2.0. Карточка не уточняет конкретные метрики или ограничения качества.

Сценарии применения

  • выполнение текстовых инструкций в интерфейсе Android по снимку экрана
  • автоматизация действий в мобильных приложениях
  • обучение и адаптация GUI-агента в интерактивной среде

Ограничения

В README не приведены метрики качества или результаты сравнительных испытаний, поэтому надёжность выполнения конкретных действий по карточке оценить нельзя.

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

ZeroGUI-AndroidLab-7B

[📜 Paper] [📂 GitHub]

Introduction

We propose ZeroGUI, a fully automated online reinforcement learning framework that enables GUI agents to train and adapt in interactive environments at zero human cost.

  • Automatic Task Generation: Automatically proposes diverse, executable GUI tasks.

  • Automatic Reward Estimation: Assigns binary task rewards based on trajectory screenshots and employs a voting mechanism to avoid hallucinated success.

  • Two-Stage Online RL: Combines training on generated tasks and test-time adaptation to continually improve agent's performance.

image/png

Results

image/png

Citation

If you find this work helpful in your research, please consider citing:

@article{yang2025zerogui,
  title={ZeroGUI: Automating Online GUI Learning at Zero Human Cost},
  author={Yang, Chenyu and Shiqian, Su and Liu, Shi and Dong, Xuan and Yu, Yue and Su, Weijie and Wang, Xuehui and Liu, Zhaoyang and Zhu, Jinguo and Li, Hao and Wang, Wenhai and Qiao, Yu and Zhu, Xizhou and Dai, Jifeng},
  journal={arXiv preprint arXiv:2505.23762},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2VLForConditionalGeneration
Ревизия весов
c9b1907

0 моделей