/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,1 ГБ
Лицензия
MIT
Архитектура
qwen3_5 · dense
Опубликована
10 июн 2026

UI-UX

Классификация изображенийИзображение → label3 профессии

Мультимодальная модель на базе Qwen3.5 для выявления UX-дефектов в интерфейсах мобильных приложений по скриншотам.

24скачиваний за 30 дней7лайковвеса обновлены16 июн 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 «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-UX — мультимодальная модель на основе Qwen3.5, разработанная командой afx-team для диагностики дефектов пользовательского интерфейса мобильных приложений по изображениям. Модель использует архитектуру Qwen3_5ForConditionalGeneration с гибридным линейным и полным вниманием и обучалась методом GRPO с асимметричной наградой переходов на наборах данных по UX.

Модель предназначена для выявления проблем удобства использования, эффективности и доверия: перекрытия текста или кнопок, отсутствия кнопки закрытия, блокирующих и нагромождённых всплывающих окон, а также несоответствий значков, содержимого и рекламы. В README заявлен результат 79,63% на UXBench — бенчмарке из 2 000 примеров по восьми диагностическим задачам. Лицензия — MIT.

Сценарии применения

  • поиск перекрытого текста на экране мобильного приложения
  • выявление кнопок, закрытых другими элементами интерфейса
  • проверка наличия кнопки закрытия у всплывающего окна
  • обнаружение всплывающих окон, блокирующих взаимодействие
  • выявление нагромождения диалоговых окон
  • проверка несоответствий между значками, содержимым и рекламой

Ограничения

Заявленная точность приведена для UXBench; результаты на других интерфейсах и сценариях в карточке не описаны.

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-UX

UI-UX is a multimodal LLM optimized for UI/UX defect diagnosis on mobile interfaces. Built on Qwen3.5 with task-aware GRPO reinforcement learning, it achieves 79.63% on UXBench — surpassing Claude-4.5-Sonnet (65.50%) and GPT-4o class models.

CVPR 2026 Findings Paper Demo License


Highlights

  • State-of-the-art UX reasoning — 79.63% on UXBench
  • UXBench — first vision-language benchmark for UX defect diagnosis, 2,000 samples across 8 tasks
  • 8 diagnostic tasks covering Usability, Efficiency, and Trustworthiness
  • Thinking mode — chain-of-thought reasoning via <think>...</think> tokens, with reward-based mitigation of overthinking

Model Details

PropertyValue
Base modelQwen3.5
ArchitectureQwen3_5ForConditionalGeneration (hybrid linear + full attention)
Training methodGRPO with Asymmetric Transition Reward
Context length16K tokens
Precisionbfloat16
TaskImage-text-to-text (UX defect diagnosis)

Training data: Multi-task UX datasets — BubbleBtn, BubbleNum, MiniPgm, ModelClose, MultiModel, TextCon, TextOcc, MarkerCons


Quick Start

Installation

pip install transformers accelerate

Inference with Transformers

from transformers import AutoModelForImageTextToText, AutoProcessor

model = AutoModelForImageTextToText.from_pretrained(
    "afx-team/UI-UX", dtype="auto", device_map="auto"
)
processor = AutoProcessor.from_pretrained("afx-team/UI-UX")

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "screenshot.png"},
            {"type": "text", "text": """Core Task: Evaluate whether the 'pop-up' offers users an explicit control for closing it.
Options:
A. No modal pop-up is present
B. The modal pop-up lacks an explicit close control
C. The modal pop-up has an explicit close control
Output Format: $\\boxed{X}$ (where X is one of A-C)."""},
        ],
    }
]

inputs = processor.apply_chat_template(
    messages, tokenize=True, add_generation_prompt=True,
    return_dict=True, return_tensors="pt"
).to(model.device)

output = model.generate(**inputs, max_new_tokens=8192)
response = processor.decode(output[0][len(inputs.input_ids[0]):], skip_special_tokens=True)
print(response)

Inference with vLLM (Recommended)

vllm serve afx-team/UI-UX --port 8000 --max-model-len 16384 \
    --dtype bfloat16 --enable-reasoning --reasoning-parser deepseek_r1
from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="dummy")
response = client.chat.completions.create(
    model="afx-team/UI-UX",
    messages=[{"role": "user", "content": [...]}],
    max_tokens=8192
)
print(response.choices[0].message.content)

UXBench

UXBench is the first vision-language benchmark for UX defect diagnosis, containing 2,000 VQA samples across 8 tasks in 3 dimensions:

DimensionTasksDescription
UsabilityBubbleOcclT, BubbleOcclBtn, PopupNoCloseText/button occlusion, missing close controls
EfficiencyPopupBlock, PopupStackPopup blocking interactions, dialog stacking
TrustworthinessMismatchBadge, MismatchContent, MismatchFuncInconsistencies in badges, content, and ads

Citation

@inproceedings{uiux2026,
  title={Reasoning for Mobile User Experience with Multimodal LLMs: Task, Benchmark, and Approach},
  author={Mao, Ruichao and Fang, Zhou and Guo, Teng and Yang, Hao and Li, Yaping and Peng, Shaohua and Huang, Maji and Lin, Xiaoyu and Liu, Shuoyang and Li, Xuepeng and Zhang, Yuyu and Rao, Hai},
  booktitle={CVPR Findings},
  year={2026}
}

License

This project is licensed under the MIT License.


Acknowledgements

UI-UX is built upon Qwen3.5 and trained with ms-swift.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
846401e

0 моделей