Create README.md
Browse files针对 GUI 场景中高分辨率视觉 token 带来的计算瓶颈，构建 UI 组件级表示并引入 UI 引导的 token 选择机制，在保持语义表达能力的同时削减冗余计算；结合 ShowUI-desktop、ScreenSpot、GuiAct 与 Mind2Web 等数据集，分别在元素定位与多步导航任务上进行训练与评测，分析不同模型、不同场景、不同元素类型及超参数设置对性能的影响。
README.md
ADDED
|
@@ -0,0 +1,11 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
datasets:
|
| 3 |
+
- showlab/ShowUI-desktop
|
| 4 |
+
- KevinQHLin/ScreenSpot
|
| 5 |
+
metrics:
|
| 6 |
+
- accuracy
|
| 7 |
+
base_model:
|
| 8 |
+
- showlab/ShowUI-2B
|
| 9 |
+
- Qwen/Qwen2-VL-2B-Instruct
|
| 10 |
+
- Qwen/Qwen2.5-VL-3B-Instruct
|
| 11 |
+
---
|