WinClick: GUI Grounding with Multimodal Large Language Models
Fuente:
arXiv
Salvato in:
| Autori principali: | Hui, Zheng, Li, Yinheng, zhao, Dan, Chen, Tianyi, Banbury, Colby, Koishida, Kazuhito |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Self-reflecting Large Language Models: A Hegelian Dialectical Approach
di: Abdali, Sara, et al.
Pubblicazione: (2025)
di: Abdali, Sara, et al.
Pubblicazione: (2025)
SeeClick: Harnessing GUI Grounding for Advanced Visual GUI Agents
di: Cheng, Kanzhi, et al.
Pubblicazione: (2024)
di: Cheng, Kanzhi, et al.
Pubblicazione: (2024)
Large Language Model-Brained GUI Agents: A Survey
di: Zhang, Chaoyun, et al.
Pubblicazione: (2024)
di: Zhang, Chaoyun, et al.
Pubblicazione: (2024)
Grounding Gaps in Language Model Generations
di: Shaikh, Omar, et al.
Pubblicazione: (2023)
di: Shaikh, Omar, et al.
Pubblicazione: (2023)
SQLucid: Grounding Natural Language Database Queries with Interactive Explanations
di: Tian, Yuan, et al.
Pubblicazione: (2024)
di: Tian, Yuan, et al.
Pubblicazione: (2024)
Empathic Grounding: Explorations using Multimodal Interaction and Large Language Models with Conversational Agents
di: Arjmand, Mehdi, et al.
Pubblicazione: (2024)
di: Arjmand, Mehdi, et al.
Pubblicazione: (2024)
GUI-R1 : A Generalist R1-Style Vision-Language Action Model For GUI Agents
di: Luo, Run, et al.
Pubblicazione: (2025)
di: Luo, Run, et al.
Pubblicazione: (2025)
GUI-AIMA: Aligning Intrinsic Multimodal Attention with a Context Anchor for GUI Grounding
di: Zhou, Shijie, et al.
Pubblicazione: (2025)
di: Zhou, Shijie, et al.
Pubblicazione: (2025)
ReactGenie: A Development Framework for Complex Multimodal Interactions Using Large Language Models
di: Yang, Jackie Junrui, et al.
Pubblicazione: (2023)
di: Yang, Jackie Junrui, et al.
Pubblicazione: (2023)
SparkUI-Parser: Enhancing GUI Perception with Robust Grounding and Parsing
di: Jing, Hongyi, et al.
Pubblicazione: (2025)
di: Jing, Hongyi, et al.
Pubblicazione: (2025)
Multimodal Programming in Computer Science with Interactive Assistance Powered by Large Language Model
di: Gupta, Rajan Das, et al.
Pubblicazione: (2025)
di: Gupta, Rajan Das, et al.
Pubblicazione: (2025)
See, Think, Act: Teaching Multimodal Agents to Effectively Interact with GUI by Identifying Toggles
di: Wu, Zongru, et al.
Pubblicazione: (2025)
di: Wu, Zongru, et al.
Pubblicazione: (2025)
UI-E2I-Synth: Advancing GUI Grounding with Large-Scale Instruction Synthesis
di: Liu, Xinyi, et al.
Pubblicazione: (2025)
di: Liu, Xinyi, et al.
Pubblicazione: (2025)
InfiGUIAgent: A Multimodal Generalist GUI Agent with Native Reasoning and Reflection
di: Liu, Yuhang, et al.
Pubblicazione: (2025)
di: Liu, Yuhang, et al.
Pubblicazione: (2025)
Are Humans as Brittle as Large Language Models?
di: Li, Jiahui, et al.
Pubblicazione: (2025)
di: Li, Jiahui, et al.
Pubblicazione: (2025)
GUI-G$^2$: Gaussian Reward Modeling for GUI Grounding
di: Tang, Fei, et al.
Pubblicazione: (2025)
di: Tang, Fei, et al.
Pubblicazione: (2025)
Beyond Clicking:A Step Towards Generalist GUI Grounding via Text Dragging
di: Liao, Zeyi, et al.
Pubblicazione: (2025)
di: Liao, Zeyi, et al.
Pubblicazione: (2025)
Visualization Literacy of Multimodal Large Language Models: A Comparative Study
di: Li, Zhimin, et al.
Pubblicazione: (2024)
di: Li, Zhimin, et al.
Pubblicazione: (2024)
Dialogue Language Model with Large-Scale Persona Data Engineering
di: Hong, Mengze, et al.
Pubblicazione: (2024)
di: Hong, Mengze, et al.
Pubblicazione: (2024)
Large Language Models for Depression Recognition in Spoken Language Integrating Psychological Knowledge
di: Li, Yupei, et al.
Pubblicazione: (2025)
di: Li, Yupei, et al.
Pubblicazione: (2025)
Data Generation Using Large Language Models for Text Classification: An Empirical Case Study
di: Li, Yinheng, et al.
Pubblicazione: (2024)
di: Li, Yinheng, et al.
Pubblicazione: (2024)
Towards Valid Student Simulation with Large Language Models
di: Yuan, Zhihao, et al.
Pubblicazione: (2026)
di: Yuan, Zhihao, et al.
Pubblicazione: (2026)
Multimodal Dialog Systems with Dual Knowledge-enhanced Generative Pretrained Language Model
di: Chen, Xiaolin, et al.
Pubblicazione: (2022)
di: Chen, Xiaolin, et al.
Pubblicazione: (2022)
Large Language Model-based Human-Agent Collaboration for Complex Task Solving
di: Feng, Xueyang, et al.
Pubblicazione: (2024)
di: Feng, Xueyang, et al.
Pubblicazione: (2024)
VisEval: A Benchmark for Data Visualization in the Era of Large Language Models
di: Chen, Nan, et al.
Pubblicazione: (2024)
di: Chen, Nan, et al.
Pubblicazione: (2024)
Large Language Models Pass the Turing Test
di: Jones, Cameron R., et al.
Pubblicazione: (2025)
di: Jones, Cameron R., et al.
Pubblicazione: (2025)
Social Skill Training with Large Language Models
di: Yang, Diyi, et al.
Pubblicazione: (2024)
di: Yang, Diyi, et al.
Pubblicazione: (2024)
A Systematic Review on Prompt Engineering in Large Language Models for K-12 STEM Education
di: Chen, Eason, et al.
Pubblicazione: (2024)
di: Chen, Eason, et al.
Pubblicazione: (2024)
"Harmless to You, Hurtful to Me!": Investigating the Detection of Toxic Languages Grounded in the Perspective of Youth
di: Li, Yaqiong, et al.
Pubblicazione: (2025)
di: Li, Yaqiong, et al.
Pubblicazione: (2025)
Leveraging Large Language Models for Identifying Knowledge Components
di: Wang, Canwen, et al.
Pubblicazione: (2025)
di: Wang, Canwen, et al.
Pubblicazione: (2025)
Large Language Models for Virtual Human Gesture Selection
di: Torshizi, Parisa Ghanad, et al.
Pubblicazione: (2025)
di: Torshizi, Parisa Ghanad, et al.
Pubblicazione: (2025)
An Actor-Critic Approach to Boosting Text-to-SQL Large Language Model
di: Zheng, Ziyang, et al.
Pubblicazione: (2024)
di: Zheng, Ziyang, et al.
Pubblicazione: (2024)
Will the Real Linda Please Stand up...to Large Language Models? Examining the Representativeness Heuristic in LLMs
di: Wang, Pengda, et al.
Pubblicazione: (2024)
di: Wang, Pengda, et al.
Pubblicazione: (2024)
Beyond Chat and Clicks: GUI Agents for In-Situ Assistance via Live Interface Transformation
di: Hao, Pan, et al.
Pubblicazione: (2026)
di: Hao, Pan, et al.
Pubblicazione: (2026)
Smoothing Grounding and Reasoning for MLLM-Powered GUI Agents with Query-Oriented Pivot Tasks
di: Wu, Zongru, et al.
Pubblicazione: (2025)
di: Wu, Zongru, et al.
Pubblicazione: (2025)
AutoTutor meets Large Language Models: A Language Model Tutor with Rich Pedagogy and Guardrails
di: Chowdhury, Sankalan Pal, et al.
Pubblicazione: (2024)
di: Chowdhury, Sankalan Pal, et al.
Pubblicazione: (2024)
Empowering Private Tutoring by Chaining Large Language Models
di: Chen, Yulin, et al.
Pubblicazione: (2023)
di: Chen, Yulin, et al.
Pubblicazione: (2023)
Large Language Models Help Humans Verify Truthfulness -- Except When They Are Convincingly Wrong
di: Si, Chenglei, et al.
Pubblicazione: (2023)
di: Si, Chenglei, et al.
Pubblicazione: (2023)
ShowUI: One Vision-Language-Action Model for GUI Visual Agent
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2024)
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2024)
Leveraging Large Language Models for Learning Complex Legal Concepts through Storytelling
di: Jiang, Hang, et al.
Pubblicazione: (2024)
di: Jiang, Hang, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Self-reflecting Large Language Models: A Hegelian Dialectical Approach
di: Abdali, Sara, et al.
Pubblicazione: (2025) -
SeeClick: Harnessing GUI Grounding for Advanced Visual GUI Agents
di: Cheng, Kanzhi, et al.
Pubblicazione: (2024) -
Large Language Model-Brained GUI Agents: A Survey
di: Zhang, Chaoyun, et al.
Pubblicazione: (2024) -
Grounding Gaps in Language Model Generations
di: Shaikh, Omar, et al.
Pubblicazione: (2023) -
SQLucid: Grounding Natural Language Database Queries with Interactive Explanations
di: Tian, Yuan, et al.
Pubblicazione: (2024)