GUI Automation Code Synthesis RPA Agent Efficiency
摘要

针对现有基于大语言模型(LLM)的代理在重复性图形用户界面(GUI)任务中因反复推理导致效率低下的问题,本文提出 AutoRPA 框架。该框架自动将 ReAct 风格代理的决策逻辑提炼为鲁棒的机器人流程自动化(RPA)函数。其核心创新包括:构建“翻译器 - 生成器”流水线,将硬编码动作转化为软编码过程并合成稳健函数;以及在代码验证阶段采用混合修复策略,结合 RPA 执行与 ReAct 回退机制进行迭代优化。实验表明,该方法在保持任务解决能力的同时,大幅降低了令牌消耗并提升了运行效率。

AI 推荐理由

论文核心在于将 LLM 的交互行为转化为可复用的 RPA 技能函数,显著提升工具使用效率。

研究机构
Zhejiang Key Laboratory of Space Information Sensing and Transmission, School of Computer Science, Hangzhou Dianzi University, China
论文信息
作者 Minghao Chen, Xinyi Hu, Zhou Yu, Yufei Yin
发布日期 2026-05-20
arXiv ID 2605.21082
相关性评分 9/10 (高度相关)