Smol2Operator: entrenamiento posterior de agentes GUI para el uso de computadoras
Resumen del corpus
Investigadores de Hugging Face presentaron Smol2Operator, un método de entrenamiento en dos fases que convierte al modelo de visión-lenguaje SmolVLM2-2.2B-Instruct en un agente capaz de operar interfaces gráficas. La primera fase enseña a localizar elementos en pantalla y la segunda añade razonamiento para planificar acciones, elevando la precisión en el benchmark ScreenSpot-v2 del 0% al 61,71%. Publicaron recetas, datos, herramientas y el modelo con código abierto para permitir su reproducción.
Tags
Personas mencionadas
Noticia original