跳至内容

pchao.org

MintAct

MintAct:用一套视觉Agent统一界面定位、跨端导航和看图调工具

21 9 月, 2026 作者 PengChao
关键机制

MintAct 在 2B/4B/8B 规模用同一套权重统一 UI grounding、手机/桌面/网页多步导航与视觉工具使用,并以多阶段监督加异步强化学习稳住跨域训练。

分类 CVPR三分钟 标签 AndroidWorld、 CVPR三分钟、 MintAct、 OSWorld、 人工智能、 深度学习、 计算机视觉 发表评论
© 2026 pchao.org • Built with GeneratePress