LBS：用GUI grounding训练可迁移视觉观察

Ruilin Yao等作者发布技术报告，提出视觉语言模型LBS（Look Beyond Screens），试图让模型获得可迁移的主动视觉观察能力。其训练分两步：先用教师模型生成的GUI grounding轨迹做监督初始化，再用强化学习训练多轮“裁剪-检查”决策。 按作者说法，这一方法的目标是让模型在GUI grounding任务中学到的观察方式迁移到其他场景；报告未给出可核实的迁移效果数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。