Screen Highlighter — мультимодальная модель Mustafaah на основе Qwen3-VL-2B-Instruct, дообученная на выделении элементов интерфейса и объединённая с LoRA-адаптером после SFT и RL. Она принимает снимок экрана и инструкцию, а в ответ формирует JSON с цветом и координатами прямоугольников выделения в диапазоне 0–1000. Модель рассчитана на задачи визуального взаимодействия с интерфейсами, например поиск и подсветку навигационных элементов по текстовому запросу. Архитектура — плотная Qwen3-VL с генерацией текста и анализом изображений; используется библиотека Transformers. Лицензия — Apache-2.0.

В карточке приведена проверка объединения на одном снимке: координаты шести навигационных областей различались не более чем на одну нормализованную единицу. Это проверка работоспособности, а не полноценная оценка качества. Для воспроизводимого использования README указывает Transformers 4.57.6 и системный промпт из карточки; модель не использует внешние OCR-инструменты.