🔥 Trending today
H Company's new Holo2 model takes the lead in UI Localization★ 75
Hugging Face Blog119d agoRelease法國 AI 新創 H Company 發表全新 Holo2-235B 模型，在 UI 元素定位（UI Localization）任務上取得領先。該模型擁有 2350 億參數，旨在精準識別與定位網頁及應用程式中的互動元件。這項突破將大幅提升 GUI 運作型 Agent（如自動操作電腦的 AI）的執行效率與準確度，是自動化工作流與 AI 代理領域的重要進展。
Smol2Operator: Post-Training GUI Agents for Computer Use★ 80
Hugging Face Blog252d agoReleaseHugging Face 發表 Smol2Operator，這是一套針對「電腦操作（Computer Use）」設計的後訓練 GUI 代理方案。基於輕量級視覺語言模型（如 SmolVLM），透過特定的監督微調（SFT）與強化學習，使其能精準識別螢幕元素並執行點擊、輸入等操作。此項目開源了模型權重與訓練方法，讓開發者能在消費級硬體上部署隱私安全、低延遲的本地 GUI 代理。
ScreenEnv: Deploy your full stack Desktop Agent★ 82
Hugging Face Blog327d agoNew ToolHugging Face 介紹了 ScreenEnv，這是一個旨在簡化「電腦使用（Computer Use）」AI 代理部署的開源環境。它提供類似 Gym 的標準化接口，讓開發者能在安全的虛擬桌面（如 Docker/VM）中，利用多模態模型（如 Claude 或 GPT）進行滑鼠、鍵盤與螢幕視覺的完整互動，非常適合開發自動化工作流與 GUI 代理。
ScreenSuite - The most comprehensive evaluation suite for GUI Agents!★ 80
Hugging Face Blog361d agoNew ToolHugging Face 發表了 ScreenSuite，這是目前最全面的圖形使用者介面（GUI）Agent 評估套件。它解決了現有評估工具平台單一、任務簡單的問題，提供跨 Web、桌面與行動裝置的標準化測試環境。ScreenSuite 整合了多樣化的真實世界任務與嚴格的評估指標，幫助開發者精確衡量 Agent 的視覺導航與操作能力。