arXiv cs.CV· Ruotian Zhang, Yuhui Zhang, Junzhe Huang, Yu Xin, Hehe Fan, Xiaoxiao Sun·2026-10-12 12:00· 2 小时前AI 评分32

ConClick：元素级对比学习提升 GUI Grounding

ConClick: Element-Wise Contrastive Learning Improves GUI Grounding

AI 导读

ConClick 是一个对比学习框架，通过让模型区分目标元素与易混淆干扰项来提升 GUI grounding 准确率。在 ScreenSpot-Pro 上，Qwen3-VL-8B 的 grounding 准确率从 54.71% 提升至 66.03%，MMBench-GUI L2 从 83.72% 提升至 86.28%，OSWorld-G 从 63.33% 提升至 70.20%。

来源：arXiv cs.CV · arxiv.org

Agent 智能体多模态数据与训练论文研究 #论文/研究 #Agent #多模态 #数据/训练