CutVerse：面向媒体后期制作编辑的组合式GUI智能体基准测试
原帖
**CutVerse：面向媒体后期制作编辑的组合式GUI智能体基准测试**
_CutVerse: A Compositional GUI Agents Benchmark for Media Post-Production Editing_
> 论文介绍了CutVerse基准测试，旨在系统性评估自主GUI智能体在媒体后期制作（如Premiere Pro、Photoshop）中的表现。基准涵盖7款专业应用的186个复杂、长周期任务，基于真实编辑流程和密集多模态界面。研究发现现有智能体在现实媒体编辑任务中成功率仅36%，凸显了复杂长周期工作流的挑战，尽管在空间定位、多模态对齐等方面表现尚可，但在长周期可靠性和领域特定规划上仍有不足。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.19484)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
论文介绍了CutVerse基准测试，旨在系统性评估自主GUI智能体在媒体后期制作（如Premiere Pro、Photoshop）中的表现。基准涵盖7款专业应用的186个复杂、长周期任务。研究发现现有智能体在现实媒体编辑任务中成功率仅36%。
答案说明
CutVerse是一个用于评估媒体后期制作场景下GUI智能体性能的基准测试，包含186个任务，当前智能体在现实任务中的成功率仅为36%，表明在长周期可靠性和领域特定规划方面存在显著挑战。
这篇帖子回答的问题
- CutVerse基准测试评估的是什么能力？
- 现有GUI智能体在媒体后期制作任务中的成功率是多少？
核心观点
- 论文指出，现有GUI智能体在媒体后期制作的复杂长周期任务中成功率仅为36%，表明该领域存在重大挑战。
- 论文称，智能体在空间定位、多模态对齐等方面表现尚可，但在长周期可靠性和领域特定规划上仍有不足。
FAQ
- Q: CutVerse基准测试包含多少个任务？
- A: 论文指出，CutVerse基准测试涵盖186个复杂、长周期任务。
- Q: 现有GUI智能体在媒体编辑任务上的主要不足是什么？
- A: 根据论文内容，尽管在空间定位、多模态对齐等方面表现尚可，但在长周期可靠性和领域特定规划上仍有不足。
关键实体
- CutVerse
- Premiere Pro
- Photoshop
- HuggingFace Daily Papers