/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Опубликована
3 авг 2026

lookagain-8b

Вопросы по изображениюИзображение, текст → текст

LookAgain-8B — дообученная мультимодальная модель для итеративного определения и уточнения координат элементов графического интерфейса.

6скачиваний за 30 дней0лайковвеса обновлены17 авг 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

LookAgain-8B — официальные веса модели LookAgain, разработанной для замкнутого цикла привязки действий к элементам графического интерфейса. Модель дообучена на основе Qwen/Qwen3-VL-8B-Instruct и предназначена для GUI-агентов, которые по изображению интерфейса предсказывают координаты, проверяют результат визуально и уточняют координаты в несколько итераций. В обучении использованы SFT на траекториях рефлексии и оптимизация GRPO.

Это плотная мультимодальная модель семейства Qwen3-VL с поддержкой изображений и текстового взаимодействия; базовая модель содержит 8 млрд параметров. Карточка указывает задачу visual-question-answering, однако заявленное назначение LookAgain — визуальное позиционирование элементов GUI, поэтому модель подходит для сценариев автоматизации интерфейсов с визуальной обратной связью. Репозиторий распространяется под лицензией Apache-2.0.

Сценарии применения

  • определение координат кнопок и полей по снимку экрана
  • проверка и уточнение координат элементов интерфейса в цикле обратной связи
  • создание GUI-агентов для управления приложениями по изображению экрана

Ограничения

Карточка не приводит количественных результатов, подробных рекомендаций по использованию или ограничений; для инструкций по запуску она отсылает к репозиторию GitHub.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LookAgain-8B

Description

[Paper] [GitHub]

This is the official model weights of LookAgain: Closed-Loop GUI Grounding with Visually Grounded Reflection. In this work, we introduce LookAgain, a novel closed-loop grounding paradigm that enables MLLM-based GUI agents to iteratively predict, inspect, and refine coordinates through visually grounded reflection. By combining reflective trajectory SFT with GRPO optimization, LookAgain achieves robust GUI grounding performance on various challenging scenarios.

How to Run?

Please refer to the instructions in the Githhub repository.

Citation

If you find this work useful for your research, please kindly cite our paper:

@article{zhang2026lookagain,
  title={LookAgain: Closed-Loop GUI Grounding with Visually Grounded Reflection},
  author={Zhang, Renshan and Meng, Haoyang and He, Yixiao and Shao, Rui and Liu, April Hua and Nie, Liqiang},
  journal={arXiv preprint arXiv:2608.09723},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
567da3a

0 моделей