AI Agent - arXivDaily 专题

2602.13559 2026-05-01 cs.AI 85%

OpAgent: Operator Agent for Web Navigation

OpAgent：网页导航的运算代理

Yuyu Guo, Wenjie Yang, Siyuan Yang, Ziyang Liu, Cheng Chen, Yuan Wei, Yun Hu, Yang Huang, Guoliang Hao, Dongsheng Yuan, Jianming Wang, Xin Chen, Hang Yu, Lei Lei, Peng Di

机构 * Ant Group（蚂蚁集团）

专题命中 GUI与网页智能体：agent(title,abstract)；planning(abstract)；agentic(abstract)；分类 cs.AI

AI总结本文提出OpAgent，通过在线强化学习优化网页导航策略，结合层级多任务微调和混合奖励机制，实现71.6%的高成功率。

2604.27776 2026-05-01 cs.AI cs.CL 73%

WindowsWorld: A Process-Centric Benchmark of Autonomous GUI Agents in Professional Cross-Application Environments

WindowsWorld: 一个以进程为中心的自主GUI代理跨应用专业环境基准测试

Jinchao Li, Yunxin Li, Chenrui Zhao, Zhenran Xu, Baotian Hu, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））； Shenzhen Loop Area Institute（深圳河套学院）

专题命中 GUI与网页智能体：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL

AI总结本文提出WindowsWorld基准测试，用于评估自主GUI代理在跨应用复杂任务中的能力，发现代理在多应用任务中表现不佳，执行效率低，需进一步改进。

2604.27955 2026-05-01 cs.AI cs.CV 57%

GUI Agents with Reinforcement Learning: Toward Digital Inhabitants

具有强化学习的图形用户界面代理：迈向数字居民

Junan Hu, Jian Liu, Jingxiang Lai, Jiarui Hu, Yiwei Sheng, Shuang Chen, Jian Li, Dazhao Du, Song Guo

机构 * Shandong University（山东大学）； The Hong Kong University of Science and Technology（香港科技大学）； The Hong Kong University（香港大学）； Shanghai Jiao Tong University（上海交通大学）； Tencent（腾讯）

专题命中 GUI与网页智能体：agent(abstract)；分类 cs.AI

AI总结本文探讨了强化学习与GUI代理的结合，提出分类体系及趋势分析，旨在指导下一代鲁棒GUI自动化及基础设施发展。

Comments Project Page: https://github.com/Steve2457/Awesome-RL-GUI-Agents

2604.27253 2026-05-01 cs.AI 57%

AutoSurfer -- Teaching Web Agents through Comprehensive Surfing, Learning, and Modeling

AutoSurfer -- 通过全面浏览、学习和建模教学网络代理

Fazle Elahi Faisal, Qianhui Wu, Baolin Peng, Jianfeng Gao

机构 * Microsoft Research（微软研究院）

专题命中 GUI与网页智能体：agent(abstract)；分类 cs.AI

AI总结 AutoSurfer通过系统性广度优先探索策略、任务合成引导和轨迹优化，实现全面覆盖网站操作空间，提升网络代理轨迹生成的准确性和多样性。

Comments 21 pages, 3 figures

2604.27974 2026-05-01 cs.CV cs.DB 50%

FineState-Bench: Benchmarking State-Conditioned Grounding for Fine-grained GUI State Setting

FineState-Bench：面向细粒度GUI状态设置的状态条件化基准测试

Fengxian Ji, Jingpu Yang, Zirui Song, Yuanxi Wang, Zhexuan Cui, Yuke Li, Qian Jiang, Xiuying Chen

机构 * MBZUAI, United Arab Emirates（阿联酋MBZUAI研究院）； Northeastern University, China（中国东北大学）

专题命中 GUI与网页智能体：agent(abstract)

AI总结 FineState-Bench通过精确目标状态评估，检验智能体能否正确映射指令至UI控件，提出FineState-Metrics与VDA诊断工具，实验显示视觉接地仍有提升空间，但整体准确率不足。

2604.27620 2026-05-01 cs.CV 50%

SpaAct: Spatially-Activated Transition Learning with Curriculum Adaptation for Vision-Language Navigation

SpaAct：基于课程适应的空间激活转换学习用于视觉语言导航

Pengna Li, Kangyi Wu, Shaoqing Xu, Fang Li, Hanbing Li, Lin Zhao, Kailin Lyu, Long Chen, Zhi-Xin Yang, Nanning Zheng

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室）； National Engineering Research Center for Visual Information and Applications（视觉信息与应用国家工程研究中心）； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究所）； The State Key Laboratory of Internet of Things for Smart City（智能城市物联网国家重点实验室）； Centre for Artificial Intelligence and Robotics（人工智能与机器人中心）； University of Macau（澳门大学）； Xiaomi EV（小i EV）； School of Automation（自动化学院）； Beijing Institute of Technology（北京理工大学）； Institute of Automation（自动化研究所）； Chinese Academy of Sciences（中国科学院）