#GUI智能体

GUI 智能体缺训练数据的老问题，这篇用图像编辑模型自己造数据，Qwen3-VL 微调后 AndroidWorld 成绩还涨了不少，代码开源可以直接试。

MIT团队推出PrecogUI，能预测UI布局避免错误，在长时程任务中表现优于现有方法

一篇让手机自动化代理又快又省钱的论文：VLM 只做规划，小模型 Jev 负责点按操作，API 开销直接砍掉七成多。

Qwen 团队发了 UI-Agent，一个模型统一手机、电脑、网页操作，移动端跑分超 Opus 4.8，还能插命令行，挺能打。

这篇让7B小模型在GUI任务规划上超过32B大模型，还分析了不同层级任务泛化的差异，很实用。