AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:视觉基础×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月10日
11:12
11:12arXiv cs.AI@Jaewoo Lee, Zaid Khan, Archiki Prasad, Justin Chih-Yao Chen, Supriyo Chakraborty, Kartik Balasubramaniam, Sambit Sahu, Elias Stengel-Eskin, Hyunji Lee, Mohit Bansal
精选
计算机使用智能体(CUA)在执行GUI任务时,现有批评模型存在短视和缺乏视觉基础两大局限。研究者提出HiViG框架,通过多模态批评器记录历史动作并基于截图验证执行坐标,在预执行阶段拦截错误。在网页、移动和桌面基准测试中,HiViG使Qwen3-VL-32B和Gemini-3-Flash的成功率分别提升5.8%和9.0%,并展现出强跨平台泛化能力。消融实验表明,宏观动作历史和视觉基础批评对长程GUI任务至关重要。
论文计算机使用智能体批评模型视觉基础GUI自动化HiViG

推荐理由:做GUI自动化智能体的团队终于有了能记住历史并看清屏幕的批评器——HiViG在长任务中显著提升成功率,建议做CUA开发的直接看论文。
原文
精选全部日报登录