[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-bami-training-free-gui-grounding-bias-mitigation-zh":3,"article-related-bami-training-free-gui-grounding-bias-mitigation-zh":31,"series-research-1d886479-c570-47ec-b232-e24edbf70474":74},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":23,"views":27,"created_at":28,"published_at":29,"topic_cluster_id":30},"1d886479-c570-47ec-b232-e24edbf70474","bami-training-free-gui-grounding-bias-mitigation-zh","BAMI 不重訓也能修 GUI 定位偏差","\u003Cp data-speakable=\"summary\">BAMI 是一種不重訓的 GUI grounding 方法，透過推論階段調整來減少高解析與複雜介面造成的定位偏差。\u003C\u002Fp>\u003Cp>GUI grounding 做的事很單純：看著畫面，判斷該點哪裡、拖哪裡、操作哪個元件。真正麻煩的是，畫面一旦變得很密、解析度很高，或是按鈕和欄位長得很像，模型就容易判錯。這篇論文想處理的，就是這種在真實介面裡很常見、但又很難靠直覺修掉的失誤。\u003C\u002Fp>\u003Cp>論文標題是 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2605.06664\">BAMI: Training-Free Bias Mitigation in GUI Grounding\u003C\u002Fa>。它的重點不是再訓練一個更大的模型，而是想辦法在推論時把模型帶偏的地方拉回來。對已經把 GUI grounding 模型放進工具鏈、或正在做介面自動化的開發者來說，這種做法的吸引力很直接：不用重跑訓練流程，也可能拿到更好的結果。\u003C\u002Fp>\u003Ch2>這篇在解什麼痛點\u003C\u002Fh2>\u003Cp>作者把 GUI grounding 的失敗，拆成兩種偏差：precision bias 和 ambiguity bias。前者跟高解析畫面有關。畫面越大、細節越多，模型越容易在定位上失準。後者則是介面本身太複雜、太擁擠，讓模型很難分辨到底哪個元素才是正確目標。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778221845903-74lu.png\" alt=\"BAMI 不重訓也能修 GUI 定位偏差\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這個拆法比單純說「模型在困難截圖上表現不好」更有用。因為它把問題對準到兩個具體來源：一個是解析度與定位精度的問題，一個是候選目標太多、太像的問題。也就是說，作者不是把失敗歸咎於模型整體能力不足，而是認為可以從推論流程下手，針對不同偏差做修正。\u003C\u002Fp>\u003Cp>論文背景提到像 ScreenSpot-Pro 這類困難基準，現有 GUI grounding 模型在這裡容易卡關。這也符合很多開發者的實務經驗：不是模型完全不懂畫面，而是在密集介面、相似元件、細小目標這些場景裡，命中率會掉得很明顯。\u003C\u002Fp>\u003Ch2>BAMI 到底怎麼運作\u003C\u002Fh2>\u003Cp>先說結論：BAMI 是 trai\u003Ca href=\"\u002Fnews\u002Funipool-shared-expert-pool-moe-zh\">ni\u003C\u002Fa>ng-free，也就是不需要更新模型權重，不需要重新收集一套新標註資料來重訓。這一點很重要，因為它把問題從「重新打造模型」改成「改善模型怎麼被用」。\u003C\u002Fp>\u003Cp>作者先提出一個叫做 Masked Prediction Distribution，簡稱 MPD attribution 的方法，用來做錯誤歸因。原始摘要沒有展開完整演算法細節，但從描述可以看出，MPD 的角色是協助辨識模型錯在哪裡，並把前面提到的兩種偏差凸顯出來。換句話說，它像是一個診斷工具，先看清楚偏差來源，再決定怎麼修。\u003C\u002Fp>\u003Cp>在這個診斷之上，作者再提出 Bias-Aware Manipulation \u003Ca href=\"\u002Ftag\u002Finference\">Inference\u003C\u002Fa>，也就是 BAMI 本體。它在推論階段做兩件事：coarse-to-fine focus 和 candidate selection。前者的意思是先粗略縮小範圍，再逐步細化定位；後者則是先處理候選元件的排序或篩選，再做最後的 grounding 判定。\u003C\u002Fp>\u003Cp>這種流程其實很符合工程實務。當畫面太複雜時，直接要求模型一次命中精準座標，常常只會讓錯誤放大。先縮小搜尋空間，再處理相似候選，通常比硬碰硬更穩。BAMI 做的事，就是把這個思路變成一個可重複使用的方法。\u003C\u002Fp>\u003Cp>摘要沒有提供完整的實作步驟，所以我們不能把它想成某種已公開細節很完整的標準模組。比較準確的說法是：它提供了一個以推論為核心的偏差緩解框架，重點在於如何引導模型避開高解析與歧義帶來的錯誤。\u003C\u002Fp>\u003Ch2>論文實際證明了什麼\u003C\u002Fh2>\u003Cp>根據摘要，作者做了大量實驗，結果顯示 BAMI 可以在 training-free 的前提下，明顯提升多個 GUI grounding 模型的準確率。摘要也提到，他們做了 ablation studies，表示這個方法在不同參數設定下具有一定穩定性。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778221853141-m8hp.png\" alt=\"BAMI 不重訓也能修 GUI 定位偏差\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>目前摘要裡唯一明確公開的數字，是 TianXi-\u003Ca href=\"\u002Fnews\u002Factcam-joint-camera-motion-control-zh\">Act\u003C\u002Fa>ion-7B 在 ScreenSpot-Pro 上的表現：套用 BAMI 之後，accuracy 從 51.9% 提升到 57.8%。這代表 5.9 個百分點的增幅。對一個不需要重訓的推論方法來說，這個提升算是相當有感。\u003C\u002Fp>\u003Cp>不過，這裡也要講清楚限制。摘要沒有公開完整 benchmark 細節，所以我們不知道它在其他資料集、其他模型家族、或不同類型介面上的完整表現。也沒有看到 latency、\u003Ca href=\"\u002Ftag\u002F推論成本\">推論成本\u003C\u002Fa>、或額外計算負擔的數字。對部署來說，這些資訊都很重要，但在目前提供的來源裡沒有寫出來。\u003C\u002Fp>\u003Cp>另外，摘要雖然說「multiple GUI grounding models」與「various parameter configurations」，但沒有逐一列名，也沒有給出每個設定的具體結果。因此，若要評估它是不是能穩定複製到不同產品場景，還需要看論文全文才知道。\u003C\u002Fp>\u003Cul>\u003Cli>不需要重訓，主打推論階段修正。\u003C\u002Fli>\u003Cli>鎖定兩種偏差：precision bias 與 ambiguity bias。\u003C\u002Fli>\u003Cli>用 MPD attribution 做錯誤歸因。\u003C\u002Fli>\u003Cli>在 ScreenSpot-Pro 上，TianXi-Action-7B 從 51.9% 提升到 57.8%。\u003C\u002Fli>\u003Cli>摘要提到 ablation studies，顯示方法對參數設定有一定穩健性。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>對開發者有什麼影響\u003C\u002Fh2>\u003Cp>如果你在做 GUI \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa>、桌面自動化、或任何需要從螢幕畫面找元件的系統，BAMI 的價值在於它提供了一條「先別重訓」的路。很多時候，重訓不是不能做，而是成本太高、流程太慢、風險太大。尤其當模型已經上線，或你沒有完整訓練管線的控制權時，能在推論端做改善，通常更容易落地。\u003C\u002Fp>\u003Cp>這篇論文也提供了一個很實用的故障分析角度。當模型在高解析、密集介面上出錯時，不一定只是「模型不夠強」。問題可能更細：是定位太追求精準，還是候選元件太多、太像，導致模型選錯。把錯誤拆成這兩類，會比籠統地說模型表現差更有助於除錯。\u003C\u002Fp>\u003Cp>對產品團隊來說，這種方法也比較容易做成漸進式導入。因為它不改權重，你可以把它包在現有 pipeline 外層，先做 A\u002FB 測試，再決定是否長期採用。若效果不理想，也比較容易回退。這些都是 training-free 方法在工程上常見的優勢。\u003C\u002Fp>\u003Cp>但它的限制同樣明顯。首先，摘要沒有說明 MPD、coarse-to-fine focus、candidate selection 的完整細節，所以外部讀者還無法直接判斷實作複雜度。其次，沒有 latency 或算力開銷資訊，這代表我們還不知道它在即時互動場景裡會不會太慢。再來，摘要沒有證明它在所有 GUI 類型上都有效，所以不該把它視為萬用解法。\u003C\u002Fp>\u003Cp>換句話說，BAMI 比較像是一個針對特定失誤模式的推論修正框架，而不是一個取代模型訓練的終極方案。它的訊號很清楚：有些 GUI grounding 問題，不一定要靠更多訓練資料解決，先把推論流程調順，可能就能拿到實際增益。\u003C\u002Fp>\u003Ch2>這篇論文的實際意義\u003C\u002Fh2>\u003Cp>對研究社群來說，這篇把 GUI grounding 的失敗原因講得更具體。對工程團隊來說，它提醒大家，介面理解問題不一定要從模型結構大改開始。很多時候，先處理解析度偏差和候選歧義，就能改善一大段體驗。\u003C\u002Fp>\u003Cp>如果你正在做視覺型自動化，這篇最值得帶走的不是某個神奇模組，而是它的思路：把錯誤歸因做細，然後在推論階段動手。這種方法不一定每次都能帶來同樣幅度的提升，但它確實提供了一個相對低風險的優化方向。\u003C\u002Fp>\u003Cp>總結來看，BAMI 把 GUI grounding 的問題從「模型準不準」改寫成「模型在\u003Ca href=\"\u002Fnews\u002Fibm-think-2026-control-over-ai-zh\">什麼\u003C\u002Fa>情境下會偏掉」，然後用不重訓的方式去修。對\u003Ca href=\"\u002Ftag\u002F台灣開發者\">台灣開發者\u003C\u002Fa>來說，這類方法特別值得關注，因為它更接近產品導入時會遇到的現實限制：時間有限、資料不夠、訓練成本高，但你還是得把準確率往上拉。\u003C\u002Fp>","BAMI 用推論階段的調整，降低 GUI grounding 在高解析與複雜介面中的精準度偏差與歧義偏差，主打不重訓也能提升定位準確率。","arxiv.org","https:\u002F\u002Farxiv.org\u002Fabs\u002F2605.06664",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778221845903-74lu.png","research","zh","c7f55dec-47be-439e-90a4-3841112c0d76",[17,18,19,20,21,22],"GUI grounding","training-free","bias mitigation","precision bias","ambiguity bias","ScreenSpot-Pro",[24,25,26],"BAMI 不靠重訓，而是改推論流程來修正 GUI grounding 偏差。","論文把失敗拆成 precision bias 與 ambiguity bias，讓問題更好診斷。","目前摘要只公開一組數字：TianXi-Action-7B 在 ScreenSpot-Pro 從 51.9% 提升到 57.8%。",4,"2026-05-08T06:30:30.353547+00:00","2026-05-08T06:30:30.293+00:00","36c10272-04ce-4e63-80fd-395d140ca5dd",{"tags":32,"relatedLang":33,"relatedPosts":37},[],{"id":15,"slug":34,"title":35,"language":36},"bami-training-free-gui-grounding-bias-mitigation-en","BAMI tackles GUI grounding bias without retraining","en",[38,44,50,56,62,68],{"id":39,"slug":40,"title":41,"cover_image":42,"image_url":42,"created_at":43,"category":13},"404bac33-b9b4-41bb-bb9a-1d98a63aa536","evaluation-protocols-fine-tuned-llms-2026-zh","2026 微調 LLM 評估流程","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783101776530-b8eu.png","2026-07-03T18:02:24.572198+00:00",{"id":45,"slug":46,"title":47,"cover_image":48,"image_url":48,"created_at":49,"category":13},"8f3122c8-9eb1-4aa6-b780-3b62003b3418","deepspec-data-regeneration-pipeline-qwen3-eagle3-zh","DeepSpec 應被視為資料重生管線，而不是訓練技巧","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783080165006-321z.png","2026-07-03T12:02:18.375863+00:00",{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":13},"6cfddc0d-ce6e-4a14-baf7-3531bf32bc5d","program-as-weights-fuzzy-functions-zh","PAW把提示詞編成可重用工具","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783062178440-pnt0.png","2026-07-03T07:02:32.5878+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"category":13},"5bd0dc27-5a7f-4563-8086-acccc98eb2fc","lacuna-llm-unlearning-localization-testbed-zh","LACUNA：檢驗 LLM 真的有沒有忘記","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783060373883-d92j.png","2026-07-03T06:32:31.28626+00:00",{"id":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"category":13},"ff17d0f0-f249-41e3-b62e-658282631451","persistent-state-ai-agents-attack-surface-zh","持久狀態 AI 代理的新攻擊面","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783058580349-ldhu.png","2026-07-03T06:02:30.282788+00:00",{"id":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"category":13},"4c1c0228-6f8e-4be6-b948-61bc48e67746","language-critiques-imitation-learning-zh","語言批註讓模仿學習更準","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782975775937-7kd6.png","2026-07-02T07:02:28.766504+00:00",[75,80,85,90,95,100,105,110,115,120],{"id":76,"slug":77,"title":78,"created_at":79},"f18dbadb-8c59-4723-84a4-6ad22746c77a","deepmind-bets-on-continuous-learning-ai-2026-zh","DeepMind 押注 2026 連續學習 AI","2026-03-26T08:16:02.367355+00:00",{"id":81,"slug":82,"title":83,"created_at":84},"f4a106cb-02a6-4508-8f39-9720a0a93cee","ml-papers-of-the-week-github-research-desk-zh","每週 ML 論文清單，為何紅到 GitHub","2026-03-27T01:11:39.284175+00:00",{"id":86,"slug":87,"title":88,"created_at":89},"c4f807ca-4e5f-47f1-a48c-961cf3fc44dc","ai-ml-conferences-to-watch-in-2026-zh","2026 AI 研討會投稿時程整理","2026-03-27T01:51:53.874432+00:00",{"id":91,"slug":92,"title":93,"created_at":94},"cf046742-efb2-4753-aef9-caed5da5e32e","adaptive-block-scaled-data-types-zh","IF4：神經網路量化的聰明選擇","2026-03-31T06:00:36.990273+00:00",{"id":96,"slug":97,"title":98,"created_at":99},"53a0dc54-0371-4e40-8d5e-74e94a73840c","geometry-aware-similarity-metrics-for-neural-representations-zh","超越距離測量：用微分幾何重新理解神經網路","2026-03-31T06:01:01.241968+00:00",{"id":101,"slug":102,"title":103,"created_at":104},"fee7d472-a775-4b1d-bbc2-1e8bca1bbf8b","on-the-fly-repulsion-in-the-contextual-space-for-rich-divers-zh","讓AI繪圖更有創意：用排斥力提升生成多樣性","2026-03-31T06:01:25.439673+00:00",{"id":106,"slug":107,"title":108,"created_at":109},"a9901203-d69b-447b-8854-15d14eab32b4","vision-aided-beam-prediction-cnn-eca-zh","影像輔助波束預測升級 CNN","2026-04-01T10:00:25.8073+00:00",{"id":111,"slug":112,"title":113,"created_at":114},"b55e7dd4-0a24-4b3d-804d-b0309a03f498","triple-band-fss-mimo-antenna-sub-6-ghz-zh","三頻 FSS MIMO 天線瞄準 sub-6 GHz","2026-04-01T13:18:36.857305+00:00",{"id":116,"slug":117,"title":118,"created_at":119},"f68290bd-e7f3-4b30-ba22-dcd4e0130a66","openclaw-1299-repos-eight-weeks-analysis-zh","OpenClaw 1299 個 Repo 的資料解讀","2026-04-02T05:03:45.208411+00:00",{"id":121,"slug":122,"title":123,"created_at":124},"ed9f80eb-eb02-4d35-8ad4-0ddf428751dd","beam-coherence-aware-combining-mmwave-mimo-zh","毫米波 MIMO 的雙階合併法","2026-04-02T05:27:26.897188+00:00"]