H Company Holo2-235B-A22B プレビューリリース

H Companyは、UI要素のローカリゼーション専用に設計された大規模研究モデルであるHolo2-235B-A22B Previewをリリースしました。このモデルは、Screenspot-Proベンチマーク（78.5％）とOSWorld Gベンチマーク（79.0％）で新たな最先端（SOTA）記録を樹立しました。

UIローカリゼーションのパフォーマンスとベンチマーク

Holo2-235B-A22B Previewは、UI要素の特定において業界トップクラスの精度を提供します。単一ステップ予測では、モデルはScreenSpot-Proで70.6％の精度に達します。エージェントモードで動作させると、3ステップ以内に78.5％の精度を実現し、GUIグラウンディングベンチマークで新たなSOTA記録を樹立しました。

高解像度インターフェース向けエージェント型ローカリゼーション

エージェント型ローカリゼーションにより、Holo2は予測を反復的に洗練し、高解像度4Kインターフェースで小さなUI要素が見つけにくいという課題を克服できます。この反復的アプローチは、すべてのHolo2モデルサイズにおいて精度を10〜20％相対的に向上させます。

インフラストラクチャとトレーニング規模

Holo2のトレーニング規模を管理するために、H CompanyはSkyPilotを活用しています。このツールは、Kubernetes（k8s）を使用して複数のクラウドプロバイダー上でトレーニングジョブを起動するための統一インターフェースとして機能します。SkyPilotを用いてインフラストラクチャの複雑さを抽象化することで、研究者はk8sマニフェストやデプロイスクリプトの管理ではなく、モデル開発に集中できます。