导读： 小米团队的新框架 HyperClick ，通过引入“不确定性校准”机制，让AI在操作界面时能判断自己是否准确，从而显著提升点击精准度。在七项国际测试中表现拔尖，为智能办公、移动操控等领域带来了更可靠的交互体验。

小米人工智能实验室（MiLM Plus）的团队注意到，当前的图形界面（GUI）交互工具普遍存在“信心与实力不匹配”的问题。尤其在高分辨率屏幕或复杂界面中，这种过度自信可能导致操作错误，甚至让整个任务失败。

为此，小米团队研发了 HyperClick 框架，这是首个将“不确定性校准”机制引入界面交互的技术方案。它通过一套双奖励机制提升点击精准度：

• 对每次操作进行“对错奖惩”，确保AI只在真正点击到目标时才获得正反馈；
• 为每个点击动作标注真实的信心值，并用布里尔分数进行校准，让系统知道自己什么时候靠谱、什么时候没把握。

HyperClick 不仅会判断“点哪里”，还能判断“我能不能准点到”。面对不同界面元素，它还具备自适应能力：小按钮时收紧判断标准，大区域时适度放宽，从而灵活应对各种屏幕环境。

在测试中，HyperClick 经过通义千问 2.5-VL的优化，表现相当出色。它在 ScreenSpot、ScreenSpot-Pro 等七大国际权威基准测试中多项指标拔得头筹：

• 70 亿参数版本在 ScreenSpot V2 测试中准确率达 93.7% ；
• 在专业测试 ScreenSpot-Pro 中达到 48.2%，超过了多款专用工具，甚至优于部分参数更大的系统。

更重要的是，它的信心分数与准确度高度一致，高信心时几乎百分百命中，低信心时也能如实反映不确定性，避免“明明不懂还装懂”的情况。

目前，HyperClick 已验证能适配移动端、网页端、桌面端等多种界面环境。未来，小米计划开放源代码与 checkpoint 文件，推动智能交互技术的普及与升级，让更多设备具备“自知之明”。

参考资料：https://huggingface.co/papers/2510.27266