H Company ha lanzado su modelo más grande de localización de interfaz de usuario, el Holo2-235B-A22B Preview. Este modelo ha alcanzado un nuevo récord de State-of-the-Art (SOTA) con un 78.5% en Screenspot-Pro y un 79.0% en OSWorld G.
El Holo2-235B-A22B Preview está disponible en Hugging Face y se enfoca en la localización de elementos de interfaz de usuario.
Desempeño y características del modelo
La localización de interfaces de alta resolución de 4K representa un reto para los modelos de localización. Los pequeños elementos de la interfaz pueden ser difíciles de localizar en pantallas grandes.
Con la localización agente, Holo2 puede refinar sus predicciones de manera iterativa, mejorando la precisión en cada paso y desbloqueando mejoras relativas del 10-20% en todos los tamaños de modelo Holo2.
Rendimiento del Holo2-235B-A22B en ScreenSpot-Pro
El Holo2-235B-A22B Preview logra una precisión del 70.6% en ScreenSpot-Pro en un solo paso. En modo agente, alcanza un 78.5% en 3 pasos, estableciendo un nuevo récord en el más desafiante benchmark de GUI grounding.
