GoClick：用于自主 GUI 交互的轻量级元素定位模型

图形用户界面（GUI）元素定位是智能体交互的基础，但在资源受限设备上部署大型视觉语言模型极具挑战。本文提出 GoClick，一种仅 2.3 亿参数的轻量级编码器 - 解码器架构模型。通过渐进式数据精炼管道，从大规模数据集中提取高质量核心集进行训练。实验表明，GoClick 在保持小巧体积和高推理速度的同时，实现了与大模型相当的定位精度，并显著提升了云端任务规划器的执行成功率。