#GUI智能体

共 2 篇相关文章

WebHarbor 是一套包含 153 个 Docker 化真实网站环境的套件，覆盖 3518 个多步骤与登录后任务，既可用于 GUI 智能体可靠评测，也能支撑强化学习训练，让 Qwen 4B 级模型泛化到未见任务。

IGG基准要求AI智能体先通过交互使GUI元素可见再点击，人类准确率94.6%，开源VLM仅31.6%。本文解读这一新基准的设计、性能差距及核心瓶颈——执行揭示交互而非识别目标。