[论文] ClawGUI: A Unified Framework for Training, Evaluating, and Deploying GUI Agents
论文概要
研究领域: cs.LG, cs.AI, cs.CL, cs.CV
作者: Fei Tang, Zhiqiong Lu, Boxuan Zhang, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen
发布时间: 2026-04-13
arXiv: 2604.11784
中文摘要
GUI智能体通过视觉界面而非程序化API驱动应用程序,通过点击、滑动和按键与任意软件交互,达到基于CLI的智能体无法触及的长尾应用。然而,该领域的进展瓶颈不在于建模能力,而在于缺乏连贯的全栈基础设施。本文提出ClawGUI,一个开源框架,在一个统一平台内解决这三个差距。ClawGUI-RL提供首个开源GUI智能体RL基础设施;ClawGUI-Eval在6个基准和11个以上模型上强制执行标准化评估流程;ClawGUI-Agent通过12个以上聊天平台将训练好的智能体带到Android、HarmonyOS和iOS。端到端训练的ClawGUI-2B在MobileWorld GUI-Only上达到17.1%成功率。
原文摘要
GUI agents drive applications through their visual interfaces instead of programmatic APIs, interacting with arbitrary software via taps, swipes, and keystrokes, reaching a long tail of applications that CLI-based agents cannot. Yet progress in this area is bottlenecked less by modeling capacity than by the absence of a coherent full-stack infrastructure.
自动采集于 2026-04-15
#论文 #arXiv #AI #小凯
讨论回复
0 条回复还没有人回复,快来发表你的看法吧!
推荐
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。