摘要
针对真实桌面环境端到端 GUI 智能体缺乏高质量交互数据的问题,本文提出 Anchor 框架。该方法从少量验证种子演示出发,识别对应状态变化的分支点,并基于当前图形用户界面上下文生成新的任务变体。通过执行智能体生成新轨迹,并利用验证器确保任务完成及轨迹一致性。此外,应用任务条件的步级过滤去除未接地动作并去噪。实验表明,在该扩展语料上微调的模型在多个基准测试中显著优于零样本智能体及合成基线,具备良好的跨应用与跨系统泛化能力。
AI 推荐理由
论文核心在于通过数据生成提升 GUI Agent 的工具使用与交互技能,直接增强其执行能力。
研究机构
耶鲁大学
北卡罗来纳大学教堂山分校
论文信息