多視角裁切

深度分析

VISTA：視角一致自驗證訓練提升 GUI grounding 準確率

隨著介面自動化需求提升，GUI grounding需要更精準的點擊定位。VISTA以多視角目標保留裁切結合自驗證錨點，將同一畫面多樣化比較，提升群組獎勵變異。實驗顯示在ScreenSpot‑Pro上，Qwen3‑VL系列模型準確率提升逾7%。顯著提升實務效能。