Mobile-Agent-v3: Fundamental Agents for GUI Automation
专题命中 GUI与网页智能体 ：agent(title,abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI
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。
1. GUI与网页智能体 2955 篇
RALLY: Role-Adaptive LLM-Driven Yoked Navigation for Agentic UAV Swarms
机构 * Hangzhou Institute for Advanced Study, UCAS（杭州高等研究机构，中国科学院大学） ； Zhejiang University（浙江大学） ； Zhejiang Lab（浙江实验室） ； Macau University of Science and Technology（澳门科学理工学院）
专题命中 GUI与网页智能体 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
An Embodied AR Navigation Agent: Integrating BIM with Retrieval-Augmented Generation for Language Guidance
机构 * Woven by Toyota, Inc., Japan（丰田公司，日本）
专题命中 GUI与网页智能体 ：agent(title,abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI
Comments 11 pages, 9 figures, accepted to IEEE ISMAR 2025
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
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
Agent Skills Should Go Beyond Text: The Case for Visual Skills
Agent技能应超越文本：视觉技能的必要性
机构 * Peking University（北京大学） ； University of Wisconsin（威斯康星大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
专题命中 GUI与网页智能体 ：agent(title,title_cn)
AI总结 针对现有技能学习方法仅存储文本经验导致视觉任务瓶颈的问题，提出多模态技能范式，结合文本逻辑与视觉支持，通过自动系统将经验转化为可复用的视觉技能，在GUI等视觉任务中显著优于纯文本技能。
Video-Browser: Towards Agentic Open-web Video Browsing
Video-Browser: 向具有代理能力的开放网页视频浏览迈进
专题命中 GUI与网页智能体 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)
AI总结 Video-Browser通过金字塔感知技术，在开放式网络视频浏览中实现37.5%的相对提升，同时减少58.3%的token消耗。
Who Grants the Agent Power? Defending Against Instruction Injection via Task-Centric Access Control
专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(abstract)；autonomous agent(abstract)
Comments SaTS 2025 (Co-located with ACM CCS 2025)
SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 GUI与网页智能体 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
Comments Code at https://github.com/SunzeY/SEAgent
Agent S2: A Compositional Generalist-Specialist Framework for Computer Use Agents
专题命中 GUI与网页智能体 ：agent(title,abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.LG
Comments 18 pages, 13 figures, 8 tables
From Interaction to Impact: Towards Safer AI Agents Through Understanding and Evaluating Mobile UI Operation Impacts
专题命中 GUI与网页智能体 ：AI agent(title,abstract)；agent(abstract)；autonomous agent(abstract)
AgentGUI: An Interface for Observing and Steering Long-Running AI Agents
AgentGUI：用于观测与调控长期运行AI智能体的界面
机构 * ETH Zürich（苏黎世联邦理工学院）
专题命中 GUI与网页智能体 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 针对AI智能体观测与调控的界面缺失问题，研究人员推出AgentGUI，通过轨迹可视化、手动自动调控等功能提升智能体任务处理效率，成果已开源。
Vision2Web: A Hierarchical Benchmark for Visual Website Development with Agent Verification
Vision2Web: 一个用于视觉网站开发的分层基准，包含代理验证
机构 * Tsinghua University（清华大学）
专题命中 GUI与网页智能体 ：agent(title,abstract)；workflow(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出Vision2Web基准，用于评估视觉网站开发能力，包含193个任务和16类，通过GUI代理验证器和基于VLM的裁判器评估多个视觉语言模型，揭示了在全栈开发中现有模型的性能差距。
PalmClaw: A Native On-Device Agent Framework for Mobile Phones
PalmClaw：一种用于手机的原生设备上代理框架
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Hangzhou Diagens Biotechnology Co., Ltd.（杭州迪基因生物技术有限公司）
专题命中 GUI与网页智能体 ：agent(title,abstract)；tool use(abstract)；分类 cs.AI、cs.CL
AI总结 研究针对移动设备上代理框架存在的问题，提出PalmClaw开源框架，能在手机上原生运行并管理相关要素，将设备能力以工具形式呈现，实验显示该框架提升了任务成功率、缩短完成时间且降低设置负担。
Sanity Checks for Agentic Data Science
代理数据科学的合理性检查
机构 * Dept. of Statistics UC Berkeley（加州大学伯克利分校统计系） ； Dept. of EECS UC Berkeley（加州大学伯克利分校电子工程与计算机科学系） ； Microsoft Research（微软研究院） ； Center for Computational Biology UC Berkeley（加州大学伯克利分校计算生物学中心）
专题命中 GUI与网页智能体 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出基于PCS框架的轻量级合理性检查，用于验证代理数据科学输出的可靠性，通过扰动检测信号与噪声区分，揭示不支持的结论，并在合成数据和真实数据集上验证其有效性。
Mobile-Agent-v3.5: Multi-platform Fundamental GUI Agents
Mobile-Agent-v3.5: 多平台基础图形用户界面代理
专题命中 GUI与网页智能体 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 GUI-Owl-1.5通过多平台支持和创新算法在GUI任务中取得突破性成绩。
Comments 25 pages, 11 figures, 11 tables
Building Autonomous GUI Navigation via Agentic-Q Estimation and Step-Wise Policy Optimization
通过代理-Q估计和分步策略优化构建自主GUI导航
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Ovis Team, Alibaba Group（阿里团队，阿里巴巴集团）
专题命中 GUI与网页智能体 ：agentic(title,abstract)；autonomous agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出基于代理-Q估计和分步策略优化的GUI自主导航框架，通过强化学习提升GUI交互能力，实验证明其在导航和基准测试中表现优异。
Nested Browser-Use Learning for Agentic Information Seeking
嵌套浏览器使用学习用于代理信息检索
机构 * Tongyi Lab（通义实验室） ； Alibaba Group（阿里巴巴集团）
专题命中 GUI与网页智能体 ：agentic(title,abstract)；tool use(abstract)；分类 cs.AI、cs.CL
AI总结 NestBrowse通过嵌套结构实现浏览器操作框架，简化代理推理并提升深层信息检索能力。
How Do AI Agents Do Human Work? Comparing AI and Human Workflows Across Diverse Occupations
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学）
专题命中 GUI与网页智能体 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
Synthesizing Agentic Data for Web Agents with Progressive Difficulty Enhancement Mechanisms
机构 * Salesforce AI Research（Salesforce AI研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
专题命中 GUI与网页智能体 ：agentic(title)；agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.CL
Comments Preprint. ICLR 26 submission
Adaptive and Resource-efficient Agentic AI Systems for Mobile and Embedded Devices: A Survey
专题命中 GUI与网页智能体 ：agentic(title,abstract)；AI agent(abstract)；分类 cs.AI、cs.LG
InfraMind: A Novel Exploration-based GUI Agentic Framework for Mission-critical Industrial Management
机构 * Nanyang Technological University（南洋理工大学）
专题命中 GUI与网页智能体 ：agentic(title,abstract)；planning(abstract)；分类 cs.AI、cs.SE
AndroidWorld: A Dynamic Benchmarking Environment for Autonomous Agents
专题命中 GUI与网页智能体 ：autonomous agent(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
ReachAgent: Enhancing Mobile Agent via Page Reaching and Operation
专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI、cs.CL
The Dawn of GUI Agent: A Preliminary Case Study with Claude 3.5 Computer Use
专题命中 GUI与网页智能体 ：agent(title,abstract)；planning(abstract)；分类 cs.AI、cs.CL
Comments 40 pages, 21 figures, preprint
Rapid Mobile App Development for Generative AI Agents on MIT App Inventor
专题命中 GUI与网页智能体 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI、cs.SE
Journal ref Journal of advances in information science and technology 2(3) 1-8, March 2024
EmBARDiment: an Embodied AI Agent for Productivity in XR
专题命中 GUI与网页智能体 ：agent(title)；AI agent(title)
Journal ref IEEE Virtual Reality Conference 2025
Remote ID for separation provision and multi-agent navigation
专题命中 GUI与网页智能体 ：agent(title)；multi-agent(title)
Comments 10 pages, 8 figures, 2023 IEEE/AIAA 42nd Digital Avionics Systems Conference (DASC)
CoAdapt-GUI: Joint Workflow Context and Policy Adaptation for Unseen GUI Applications
CoAdapt-GUI：面向未知GUI应用的工作流上下文与策略联合适配
机构 * Li Gu（李谷（音译））
专题命中 GUI与网页智能体 ：workflow(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 CoAdapt-GUI框架通过联合适配工作流上下文与策略，在有限交互预算无目标演示的未知GUI应用场景下，将AndroidWorld泛化性能提至45.0%、AndroidWorld Plus提至52.9%，优于仅策略TTA基线。
Fidelity Is Not Safety: Gently-Compressed LLMs Pass Every Data-Free Quality Guard Yet Invent Procedure Steps in Agentic Execution
保真度≠安全性：轻度压缩的大语言模型通过所有无数据质量防护，但在智能体执行中生成指令中不存在的流程步骤
专题命中 GUI与网页智能体 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL
AI总结 该研究发现轻度压缩LLM虽通过困惑度、MMLU等无数据质量防护，但在智能体执行SOP时会生成指令外流程步骤，提出基于压缩误差双轴统计量的无数据筛查方法以保障智能体安全。
Designing Agent-Ready Websites for AI Web Agents: A Framework for Machine Readability, Actionability, and Decision Reliability
为人工智能网络代理设计适用于代理的网站：机器可读性、可操作性和决策可靠性框架
机构 * UFR Informatique Université Paris Cité（巴黎西岱大学信息学学院）
专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究针对人工智能代理介导购物模式下网站设计问题，提出围绕代理可解释性等三个维度的设计框架，通过对照实验评估，结果表明该框架能显著提升人工智能浏览器代理的可靠性与效率。
