AAAI 2026 Oral
AAAI 2026 Oral｜InfiGUI-G1模型来了，刷新GUI Grounding SOTA
随着多模态大语言模型（MLLM）的飞速发展，能够像人类一样通过视觉输入操作图形用户界面（GUI）的智能体（Agent）正逐渐成为现实。 然而，在通往通用计算机控制的道路上，如何让模型精准地将自然语言指令对应到屏幕上的具体元素 —— 即 GUI Grounding 任务，依然是一大难题。 现有的方法，特别是基于验证奖励的强化学习（RLVR），虽然在提升 “指得准”（空间对齐）方面表现出色，却往往在 “指得对”（语义对齐）上遭遇瓶颈。
AAAI 2026 Oral | 给多流数据配「私教+外援」，漂移来了也不慌
本文作者为：En Yu, Jie Lu, Kun Wang, Xiaoyu Yang, Guangquan Zhang。 所有作者均来自于悉尼科技大学（UTS）澳大利亚人工智能研究院（AAII）。 在智慧城市、社交媒体、工业物联网等真实开放动态环境中，数据往往以多流（Multistream）形式并发产生。
AAAI 2026 Oral | 拒绝「一刀切」！AdaMCoT：让大模型学会「看题下菜碟」，动态选择最佳思考语言
多语言大模型（MLLM）在面对多语言任务时，往往面临一个选择难题：是用原来的语言直接回答，还是翻译成高资源语言去推理？ 实际上，不同的语言在模型内部承载着不同的「特长」。 比如英语可能逻辑性强，适合科学推理；而中文或印尼语在处理特定文化背景或押韵任务时，可能比英语更具优势。
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI新词
AI绘画
大模型
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
英伟达
Gemini
智能体
技术
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
AI for Science
代码
腾讯
苹果
算法
Agent
Claude
芯片
具身智能
Stable Diffusion
xAI
蛋白质
人形机器人
开发者
生成式
神经网络
机器学习
AI视频
3D
字节跳动
大语言模型
RAG
Sora
百度
研究
GPU
生成
华为
工具
AGI
计算
生成式AI
AI设计
大型语言模型
搜索
亚马逊
AI模型
视频生成
特斯拉
DeepMind
场景
Copilot
深度学习
Transformer
架构
MCP
编程
视觉