LLaDA-UI 将分块扩散引入视觉语言 GUI 智能体
LLaDA-UI 是一个拥有 167 亿参数的 GUI 智能体，将混合专家架构与分块扩散生成相结合。该系统先进行多模态预训练，随后使用移动端、桌面端、网页界面和视觉定位数据进行有监督微调。在多项定位与导航基准测试中，LLaDA-UI 的表现超过 Qwen2.5-VL-7B，并在报告的六项 GUI 基准中的四项超过 Qwen3-VL-8B。研究结果表明，分块扩散可以成为多模态 GUI 智能体的一种实用生成范式。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。