**AutoGUIWorld:利用图像生成器作为视觉世界模型合成GUI交互轨迹** _AutoGUIWorld: Image Generators as Vi
原帖
**AutoGUIWorld:利用图像生成器作为视觉世界模型合成GUI交互轨迹**
_AutoGUIWorld: Image Generators as Visual World Models for GUI Agent_
> AutoGUIWorld 提出一种无需部署真实软件环境即可合成 GUI 交互轨迹的数据生成框架。该框架结合图像生成器的视觉先验与规划器的任务知识,通过迭代编辑截图生成后续观察,并经过动作定位和质量过滤,在 Ubuntu、Windows 等平台上生成了 79,266 个带空间标注的训练样本。在 AutoGUIWorld 数据上微调 Qwen3.5-35B-A3B 模型后,OSWorld 平均任务得分从 33.0% 提升至 40.8%,ScienceBoard 任务成功率从 14.0% 提升至 32.2%,验证了生成轨迹对提升 GUI 智能体在真实桌面及科学任务中性能的有效性。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.01215)