AI 大模型

视觉大模型 / VLM

视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。

2026-08-20 至 2026-08-20 共收录 4 篇信号源：cs.CV, cs.AI, cs.LG

1. GUI与屏幕智能体 4 篇

2608.18531 2026-08-20 cs.AI cs.LG 新提交 73%

Pairwise Ranking Outperforms Single-Action RL for Offline Explanation Selection: A Practical Lesson

离线解释选择中， pairwise 排序优于单动作强化学习：一个实践经验

Tanay Chowdhury, Saeideh Shahrokh Esfahani

机构 * Amazon（亚马逊公司）

专题命中 GUI与屏幕智能体：grounding(abstract,abstract_cn)；分类 cs.AI、cs.LG

AI总结该研究针对工业可解释推荐系统的高成本问题，提出将 LLM 解释生成与选择分离的方案，发现 pairwise 排序方法在离线解释选择中优于单动作强化学习，且构建成本低、延迟小。

Comments This is an extended version of a 3-page paper accepted to the RecSys 2026 Research and Practice Notes track

2608.12854 2026-08-20 cs.RO cs.AI cs.CV 版本更新 73%

BrainWAM: Action-Space Coordination of Semantic Priors and Predictive Dynamics for Autonomous Driving

BrainWAM：面向自动驾驶的语义先验与预测动力学的动作空间协调框架

Bing Zhan, Shuyao Shang, Shuo Lu, Yuan Xu, Zhao Wang, Yida Wang, Xueyang Zhang, Kun Zhan, Jiahao Gu

机构 * Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所）； Li Auto Inc.（理想汽车）

专题命中 GUI与屏幕智能体：VLM(abstract,abstract_cn)；分类 cs.CV、cs.AI

AI总结该研究针对自动驾驶中语义与预测动力学的规划需求，提出BrainWAM框架，通过结构化动作空间协调及异步整流流推理，在NAVSIM数据集上实现最优性能，优于仅VLA或仅WAM方法。

2608.18307 2026-08-20 cs.AI cs.CL cs.HC 新提交 57%

ComponentBench: Diagnosing Component-Level Failures in Computer-Use Agents

ComponentBench：诊断计算机使用智能体的组件级故障

Tianchen Guan, Xinlei Lin, Royce Cheng-Yue, Xiangjun Wang, Shuyan Zhou

机构 * Duke University（杜克大学）； Amazon AGI SF Lab（亚马逊AGI旧金山实验室）

专题命中 GUI与屏幕智能体：grounding(abstract)；分类 cs.AI

AI总结本文提出ComponentBench基准及诊断流水线，评估7种计算机使用智能体在4种观测动作空间下的表现，发现观测动作空间会显著影响性能，且空间操作仍是智能体的挑战。

Comments Accepted at COLM 2026. 30 pages (10 pages main text), 10 figures, 15 tables. Website: this https URL (https://componentbench.com) Code: this https URL (https://github.com/TianchenGuan/ComponentBench) Data: this https URL (https://huggingface.co/datasets/TianchenGuan/ComponentBench)

2608.18254 2026-08-20 cs.RO 新提交 50%

GAPL: Grounded Action-effect Policy Learning for LLM-Based Trajectory Planning

GAPL：面向基于大语言模型的轨迹规划的接地动作效果策略学习

Zhihong Cui, Hengyu Liu, Zhangkai Wu, Yushuai Li, Tianyi Li, Peiyuan Guan, Amir Taherkordi, Tor Skeie

机构 * University of Oslo（奥斯陆大学）； Aalborg University（奥尔堡大学）； University of Sydney（悉尼大学）； Nanjing University of Information Science and Technology（南京信息工程大学）； Simula Research Laboratory（西穆拉研究院）

专题命中 GUI与屏幕智能体：grounding(abstract)

AI总结针对LLM用于自动驾驶轨迹规划时存在的幻觉、接地不足等问题，提出GAPL框架，整合三类模块并经实验验证其性能优于基线方法

Comments 11 pages, 5 figures, 6 tables