图形用户界面智能体 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 图形用户界面智能体 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 世界模型 1 LGWM：用世界模型验证 GUI 智能体状态转移 10-23 原生交互 1 ASIL：以结构化状态与语义动作取代截图点击 08-29 可信执行 2 Secure-CUA：控制计算机使用智能体中的不可信影响 10-08 Veer：欺骗性界面下 Web 智能体的前瞻状态干预 09-30 在策略蒸馏 1 GUI-SD-v2：面向 GUI 智能体的在策略自蒸馏 09-24 多模态学习 1 FocusGUI：专注感知的全模态 GUI 智能体 10-22 工具调用 3 ChatGPT 浏览器扩展升级：读取标签页并代办填表发信 10-18 OS-Helix：统一 GUI 交互与代码执行的原生计算机智能体 10-18 PhoneCLI：将移动应用界面编译为可调用命令 09-30 技能演化 2 EvoSkill-GUI：无需训练的 GUI 智能体技能演化 09-19 交互轨迹驱动的计算机智能体在线技能演化 09-07 技能生成 2 Work2Skill：从人类 GUI 操作中归纳可复用智能体技能 10-18 Kimi 浏览器扩展将网页操作录制为可复用 Skill 09-25 推理效率 2 GUI-JEPA：基于候选条件潜变量的移动端 GUI 智能体快速动作策略 10-29 Jev-Mobile：移动 GUI 智能体的轻量级执行器 09-26 时域控制 1 LocalLSTC：本地 GUI 智能体的长短期控制架构 08-27 智能体框架 3 OpenGCUA：完全开放的通用计算机使用技术栈 10-18 MAI-Gym：GUI 智能体评估与强化学习一体化平台 10-18 Affora：面向智能体友好界面的设计系统 09-17 智能体训练 3 OpenMobile-2：以可扩展环境与原生工具训练移动智能体 10-20 借助用户手册适配新软件的计算机使用智能体 10-19 MintAct：面向数字环境的统一视觉智能体 09-22 智能体评测 8 ReTrace：以目标导向动作回放评测计算机使用智能体的故障恢复 10-21 Talk2Agent：面向文本智能体的语音接口评测基准 10-01 WebPageBench：基于事件验证与可控 UI 变体的网页智能体评测 09-30 LongPuzzleBench：长程视觉谜题 GUI 智能体评测 09-30 WebMRE：多模态 Web 智能体中指南与动作的相互强化 09-24 RecreationWorld：可扩展、可验证的混合计算机操作智能体环境 09-21 双过程视角下 LLM GUI 智能体的助推易感性 09-18 JarvisGUI：面向跨设备动态任务组合的 GUI 智能体评测 09-10 框架演化 1 Agent S4：从任务经验中演化智能体接口 10-21 模型发布 3 OpenAI 发布 GPT-6.1 Terra：电脑操作能力比肩 Astra，成本降至十分之一 10-29 OpenAI 发布 GPT-6.1 Terra，强化电脑操作与写作能力 10-27 UI-Venus-2：跨移动端、Web 与桌面的通用 GUI 智能体 09-03 游戏控制 1 GameWAM：面向电子游戏的世界动作模型 08-29 环境合成 3 Trace2World：从真实交互轨迹重建应用世界以规模化训练 GUI 智能体 10-23 SoftwareGym：以合成软件环境扩展计算机使用智能体训练 10-18 CUA-Universe：可扩展动态 GUI+CLI 混合智能体环境 09-07 科研评测 1 OSWorld-Science：科学软件操作智能体评测基准 10-01 经验学习 1 ExpActivator：面向个人 GUI 智能体的情境化经验激活 10-18 自蒸馏 1 ComputerSD：基于实时反馈的计算机使用智能体在线自蒸馏 10-01 视觉推理 1 P2A：通过主动视觉探测提升浏览器智能体 09-29 过程评测 1 OSWorld-Pro：计算机操作智能体的过程评测基准 09-22 长期记忆 4 TAM：以任务推进状态与监督增强 GUI 智能体能力 10-29 面向 GUI 智能体的子目标感知记忆图 10-23 DeltaReplay：移动 GUI 智能体的任务相对记忆复用 10-09 EchoPath：GUI 智能体的执行级可回放记忆 09-16 顶级会议论文 1 小米 8 篇大模型与智能体论文入选 EMNLP 2026 08-29
