arXiv · 多模态、视频与世界模型· Cheng Yang·· 2 天前精选AI 评分81
AutoGUIWorld：用图像生成器构建 GUI 智能体视觉世界模型
AutoGUIWorld: Image Generators as Visual World Models for GUI Agent
AI 导读
AutoGUIWorld 提出一种无需部署或运行对应软件环境的 GUI 交互轨迹生成框架，将规划器与图像生成器结合，迭代生成界面状态和动作后果。
推荐理由
论文展示了用图像生成器合成 GUI 交互轨迹的路径，并用 OSWorld 与 ScienceBoard 结果说明其对智能体训练的潜在价值。
来源：arXiv · 多模态、视频与世界模型 · arxiv.org