UI-Venus-1.5 Technical Report
本条目由 AI 按收录标准筛选与撰写，经独立的 AI 核查在原文中逐条找到依据，未经人工审核；数字与结论以原文为准。
相关报告
收录理由
该报告为 GUI Agent 技术报告，阐述 Mid-Training、Offline-RL、Online-RL 与模型合并四阶段流程、DaaS 执行层与任务奖励设计，并在 grounding 与导航基准上给出端到端对比评测，提供代码与模型集合链接。
关键要点
- 相较 UI-Venus-1.0，UI-Venus-1.5 增加 Mid-Training、规模化在线强化学习，以及通过模型合并构建单一统一 Agent。
- Mid-Training 聚合 30+ 数据源，语料规模合计 10 billion tokens，用于注入 GUI 语义与结构理解。
- 摘要称在 ScreenSpot-Pro 为 69.6%、VenusBench-GD 为 75.0%，并在 AndroidWorld 成功率为 77.6%。
- 整体训练自 Qwen3-VL 系列出发，依次经 Mid-Training、分任务 Offline-RL、Online-RL 与 Model Merge 四阶段。
- 真机 DaaS 数据生成循环迭代后，轨迹生成 pipeline 成功率由 17.9% 提升至 over 70%。
- Grounding 训练引入 refusal：指令所指元素不在画面时输出固定坐标 [-1,-1]，以抑制幻觉。