arXivDaily arXiv每日学术速递 周一至周五更新

AI 大模型

AI Agent

智能体、工具调用、规划、工作流、多智能体和自主任务执行。

2026-07-01 至 2026-07-01 共收录 4 信号源:cs.AI, cs.CL, cs.LG, cs.SE

1. GUI与网页智能体 4 篇

2606.31214 2026-07-01 hep-ph 85%

EasyScan_HEP 2: Agent-Ready Parameter Scans for High-Energy Physics

EasyScan_HEP 2:面向智能体的高能物理参数扫描

Yang Xiao, Yuanfang Yue, Yang Zhang

专题命中 GUI与网页智能体 :agent(title,abstract);AI agent(abstract);workflow(abstract)

AI总结 升级EasyScan_HEP为AI辅助参数扫描提供命令行和机器可读接口,支持自然语言生成配置,集成多种扫描方法,保持可重复性和用户控制。

Comments 16 pages, 3 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.04126 2026-07-01 cs.CL cs.AI cs.CV 版本更新 81%

InfiniteWeb: Scalable Web Environment Synthesis for GUI Agent Training

InfiniteWeb: 面向GUI智能体训练的可扩展Web环境合成

Ziyun Zhang, Zezhou Wang, Xiaoyi Zhang, Zongyu Guo, Jiahao Li, Bin Li, Yan Lu

机构 * Peking University(北京大学) Nanjing University(南京大学) Microsoft Research Asia(微软亚洲研究院)

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

AI总结 提出InfiniteWeb系统,通过统一规范、任务驱动测试和多样化种子设计自动生成功能完备的Web环境,解决GUI智能体训练数据稀缺问题,在OSWorld和Online-Mind2Web上取得显著性能提升。

Comments Accepted to ACL 2026 Main

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.30697 2026-07-01 cs.OS cs.AI cs.CV 新提交 79%

LUMOS: A Semantic Operating-System Layer for Accessibility-Grounded AI Agents

LUMOS:面向无障碍AI代理的语义操作系统层

Yogeswar Reddy Thota

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

AI总结 提出LUMOS语义层,将操作系统无障碍元数据转化为机器可读蓝图,使AI代理通过结构化UI原语而非截图进行观察-行动循环,降低视觉依赖和成本。

Comments The LUMOS repository is available at https://github.com/thotayogeswarreddy/Lumos.git

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.26266 2026-07-01 cs.AI cs.CV 版本更新 77%

GUIDE: Resolving Domain Bias in GUI Agents through Real-Time Web Video Retrieval and Plug-and-Play Annotation

GUIDE:通过实时网络视频检索和即插即用标注解决GUI代理的领域偏见

Rui Xie, Zhi Gao, Chenrui Shi, Zirui Shang, Lu Chen, Qing Li

机构 * Shanghai Jiao Tong University(上海交通大学) State Key Laboratory for General Artificial Intelligence, BIGAI(通用人工智能国家重点实验室,北京通用人工智能研究院) Beijing Institute of Technology(北京理工大学)

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

AI总结 GUIDE通过实时网络视频检索和即插即用标注框架,解决GUI代理的领域偏见问题,通过视频语义分析和自动化标注流程提升代理对特定应用的操作流程和UI布局的理解,实验表明其在多代理系统和单模型代理中均能提升性能。

Comments Accepted to ECCV 2026. 30 pages: 15-page main paper followed by supplementary material as an appendix (Sections A-F). Project page: https://sharryXR.github.io/GUIDE/

详情

展开后加载摘要…

URL PDF HTML 收藏