AI导读

苹果推出仅30亿参数的Ferret-UI Lite模型，性能竟超越大24倍的服务器模型！通过智能裁剪技术精准识别屏幕细节，完全本地运行保障隐私，手机操作迎来AI革命。

内容由AI智能生成

IT之家消息，苹果研究团队在最新论文中，推出展示 Ferret-UI Lite 端侧 AI 模型，仅有 30 亿（3B）参数，却在性能上匹配甚至超越了体积大 24 倍的大型模型。

IT之家注：Ferret-UI Lite 是专为移动设备打造的多模态大语言模型（MLLM），参数量仅为 30 亿（3B），属于典型的“轻量级”模型，可以在算力有限的手机端，精准理解与操作复杂图形用户界面（UI）。

不过在多项基准测试中，Ferret-UI Lite 的性能不仅追平，甚至超越了参数量高达其 24 倍的大型服务器端模型。

在核心技术方面，通用大模型往往难以看清手机屏幕上微小的图标和文本，而 Ferret-UI Lite 通过引入“推理时裁剪（Inference-time Cropping）”技术解决了这一痛点。

模型在处理任务时，会先进行一次粗略预测，然后智能地“剪切”并放大相关区域，就像人眼凑近观察细节一样，再次进行精准识别。这种策略让小模型无需处理海量图像数据，也能捕捉到界面中的关键信息，从而更好理解屏幕元素。

在训练方面，研究团队为了解决高质量训练数据匮乏的问题，构建了一套合成数据生成系统。该系统包含“任务生成器”、“规划器”、“执行者”和“批评者”四个角色，让 AI 在模拟环境中不断尝试操作、犯错并自我修正。

这种机制不仅生成了海量训练样本，还让模型学会了如何应对现实操作中的错误与意外情况（如点击无反应或弹出干扰窗口），其效果远优于单纯依赖人工标注的清洁数据。

测试结果显示，该模型在执行短流程、基础 UI 操作时表现优异，但在处理复杂的多步长任务时仍有提升空间。

最重要的是，Ferret-UI Lite 能够完全在本地运行，无需将屏幕截图上传至云端服务器，这在赋予手机“自动操作 App”能力的同时，最大程度地保障了用户隐私。

AI导读

苹果推出仅30亿参数的Ferret-UI Lite模型，性能竟超越大24倍的服务器模型！通过智能裁剪技术精准识别屏幕细节，完全本地运行保障隐私，手机操作迎来AI革命。

内容由AI智能生成

IT之家消息，苹果研究团队在最新论文中，推出展示 Ferret-UI Lite 端侧 AI 模型，仅有 30 亿（3B）参数，却在性能上匹配甚至超越了体积大 24 倍的大型模型。

IT之家注：Ferret-UI Lite 是专为移动设备打造的多模态大语言模型（MLLM），参数量仅为 30 亿（3B），属于典型的“轻量级”模型，可以在算力有限的手机端，精准理解与操作复杂图形用户界面（UI）。

不过在多项基准测试中，Ferret-UI Lite 的性能不仅追平，甚至超越了参数量高达其 24 倍的大型服务器端模型。

在核心技术方面，通用大模型往往难以看清手机屏幕上微小的图标和文本，而 Ferret-UI Lite 通过引入“推理时裁剪（Inference-time Cropping）”技术解决了这一痛点。

模型在处理任务时，会先进行一次粗略预测，然后智能地“剪切”并放大相关区域，就像人眼凑近观察细节一样，再次进行精准识别。这种策略让小模型无需处理海量图像数据，也能捕捉到界面中的关键信息，从而更好理解屏幕元素。

在训练方面，研究团队为了解决高质量训练数据匮乏的问题，构建了一套合成数据生成系统。该系统包含“任务生成器”、“规划器”、“执行者”和“批评者”四个角色，让 AI 在模拟环境中不断尝试操作、犯错并自我修正。

这种机制不仅生成了海量训练样本，还让模型学会了如何应对现实操作中的错误与意外情况（如点击无反应或弹出干扰窗口），其效果远优于单纯依赖人工标注的清洁数据。

测试结果显示，该模型在执行短流程、基础 UI 操作时表现优异，但在处理复杂的多步长任务时仍有提升空间。

最重要的是，Ferret-UI Lite 能够完全在本地运行，无需将屏幕截图上传至云端服务器，这在赋予手机“自动操作 App”能力的同时，最大程度地保障了用户隐私。

AI导读

苹果推出仅30亿参数的Ferret-UI Lite模型，性能竟超越大24倍的服务器模型！通过智能裁剪技术精准识别屏幕细节，完全本地运行保障隐私，手机操作迎来AI革命。

内容由AI智能生成

IT之家消息，苹果研究团队在最新论文中，推出展示 Ferret-UI Lite 端侧 AI 模型，仅有 30 亿（3B）参数，却在性能上匹配甚至超越了体积大 24 倍的大型模型。

IT之家注：Ferret-UI Lite 是专为移动设备打造的多模态大语言模型（MLLM），参数量仅为 30 亿（3B），属于典型的“轻量级”模型，可以在算力有限的手机端，精准理解与操作复杂图形用户界面（UI）。

不过在多项基准测试中，Ferret-UI Lite 的性能不仅追平，甚至超越了参数量高达其 24 倍的大型服务器端模型。

在核心技术方面，通用大模型往往难以看清手机屏幕上微小的图标和文本，而 Ferret-UI Lite 通过引入“推理时裁剪（Inference-time Cropping）”技术解决了这一痛点。

模型在处理任务时，会先进行一次粗略预测，然后智能地“剪切”并放大相关区域，就像人眼凑近观察细节一样，再次进行精准识别。这种策略让小模型无需处理海量图像数据，也能捕捉到界面中的关键信息，从而更好理解屏幕元素。

在训练方面，研究团队为了解决高质量训练数据匮乏的问题，构建了一套合成数据生成系统。该系统包含“任务生成器”、“规划器”、“执行者”和“批评者”四个角色，让 AI 在模拟环境中不断尝试操作、犯错并自我修正。

这种机制不仅生成了海量训练样本，还让模型学会了如何应对现实操作中的错误与意外情况（如点击无反应或弹出干扰窗口），其效果远优于单纯依赖人工标注的清洁数据。

测试结果显示，该模型在执行短流程、基础 UI 操作时表现优异，但在处理复杂的多步长任务时仍有提升空间。

最重要的是，Ferret-UI Lite 能够完全在本地运行，无需将屏幕截图上传至云端服务器，这在赋予手机“自动操作 App”能力的同时，最大程度地保障了用户隐私。

AI导读

苹果推出仅30亿参数的Ferret-UI Lite模型，性能竟超越大24倍的服务器模型！通过智能裁剪技术精准识别屏幕细节，完全本地运行保障隐私，手机操作迎来AI革命。

内容由AI智能生成

IT之家消息，苹果研究团队在最新论文中，推出展示 Ferret-UI Lite 端侧 AI 模型，仅有 30 亿（3B）参数，却在性能上匹配甚至超越了体积大 24 倍的大型模型。

IT之家注：Ferret-UI Lite 是专为移动设备打造的多模态大语言模型（MLLM），参数量仅为 30 亿（3B），属于典型的“轻量级”模型，可以在算力有限的手机端，精准理解与操作复杂图形用户界面（UI）。

不过在多项基准测试中，Ferret-UI Lite 的性能不仅追平，甚至超越了参数量高达其 24 倍的大型服务器端模型。

在核心技术方面，通用大模型往往难以看清手机屏幕上微小的图标和文本，而 Ferret-UI Lite 通过引入“推理时裁剪（Inference-time Cropping）”技术解决了这一痛点。

模型在处理任务时，会先进行一次粗略预测，然后智能地“剪切”并放大相关区域，就像人眼凑近观察细节一样，再次进行精准识别。这种策略让小模型无需处理海量图像数据，也能捕捉到界面中的关键信息，从而更好理解屏幕元素。

在训练方面，研究团队为了解决高质量训练数据匮乏的问题，构建了一套合成数据生成系统。该系统包含“任务生成器”、“规划器”、“执行者”和“批评者”四个角色，让 AI 在模拟环境中不断尝试操作、犯错并自我修正。

这种机制不仅生成了海量训练样本，还让模型学会了如何应对现实操作中的错误与意外情况（如点击无反应或弹出干扰窗口），其效果远优于单纯依赖人工标注的清洁数据。

测试结果显示，该模型在执行短流程、基础 UI 操作时表现优异，但在处理复杂的多步长任务时仍有提升空间。

最重要的是，Ferret-UI Lite 能够完全在本地运行，无需将屏幕截图上传至云端服务器，这在赋予手机“自动操作 App”能力的同时，最大程度地保障了用户隐私。

AI导读

苹果推出仅30亿参数的Ferret-UI Lite模型，性能竟超越大24倍的服务器模型！通过智能裁剪技术精准识别屏幕细节，完全本地运行保障隐私，手机操作迎来AI革命。

内容由AI智能生成

IT之家消息，苹果研究团队在最新论文中，推出展示 Ferret-UI Lite 端侧 AI 模型，仅有 30 亿（3B）参数，却在性能上匹配甚至超越了体积大 24 倍的大型模型。

IT之家注：Ferret-UI Lite 是专为移动设备打造的多模态大语言模型（MLLM），参数量仅为 30 亿（3B），属于典型的“轻量级”模型，可以在算力有限的手机端，精准理解与操作复杂图形用户界面（UI）。

不过在多项基准测试中，Ferret-UI Lite 的性能不仅追平，甚至超越了参数量高达其 24 倍的大型服务器端模型。

在核心技术方面，通用大模型往往难以看清手机屏幕上微小的图标和文本，而 Ferret-UI Lite 通过引入“推理时裁剪（Inference-time Cropping）”技术解决了这一痛点。

模型在处理任务时，会先进行一次粗略预测，然后智能地“剪切”并放大相关区域，就像人眼凑近观察细节一样，再次进行精准识别。这种策略让小模型无需处理海量图像数据，也能捕捉到界面中的关键信息，从而更好理解屏幕元素。

在训练方面，研究团队为了解决高质量训练数据匮乏的问题，构建了一套合成数据生成系统。该系统包含“任务生成器”、“规划器”、“执行者”和“批评者”四个角色，让 AI 在模拟环境中不断尝试操作、犯错并自我修正。

这种机制不仅生成了海量训练样本，还让模型学会了如何应对现实操作中的错误与意外情况（如点击无反应或弹出干扰窗口），其效果远优于单纯依赖人工标注的清洁数据。

测试结果显示，该模型在执行短流程、基础 UI 操作时表现优异，但在处理复杂的多步长任务时仍有提升空间。

最重要的是，Ferret-UI Lite 能够完全在本地运行，无需将屏幕截图上传至云端服务器，这在赋予手机“自动操作 App”能力的同时，最大程度地保障了用户隐私。