InfantAgent-Next: A Multimodal Generalist Agent for Automated Computer Interaction
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Lei, Bin, Kang, Weitai, Zhang, Zijian, Chen, Winson, Xie, Xi, Zuo, Shan, Xie, Mimi, Payani, Ali, Hong, Mingyi, Yan, Yan, Ding, Caiwen |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
MACM: Utilizing a Multi-Agent System for Condition Mining in Solving Complex Mathematical Problems
par: Lei, Bin, et autres
Publié: (2024)
par: Lei, Bin, et autres
Publié: (2024)
StitchCUDA: An Automated Multi-Agents End-to-End GPU Programing Framework with Rubric-based Agentic Reinforcement Learning
par: Li, Shiyang, et autres
Publié: (2026)
par: Li, Shiyang, et autres
Publié: (2026)
GuirlVG: Incentivize GUI Visual Grounding via Empirical Exploration on Reinforcement Learning
par: Kang, Weitai, et autres
Publié: (2025)
par: Kang, Weitai, et autres
Publié: (2025)
\textsc{GUI-Spotlight}: Adaptive Iterative Focus Refinement for Enhanced GUI Visual Grounding
par: Lei, Bin, et autres
Publié: (2025)
par: Lei, Bin, et autres
Publié: (2025)
CudaForge: An Agent Framework with Hardware Feedback for CUDA Kernel Optimization
par: Zhang, Zijian, et autres
Publié: (2025)
par: Zhang, Zijian, et autres
Publié: (2025)
Observer-Based Data-Driven Consensus Control for Nonlinear Multi-Agent Systems against DoS and FDI attacks
par: Zhang, Yi, et autres
Publié: (2025)
par: Zhang, Yi, et autres
Publié: (2025)
CUDAHercules: Benchmarking Hardware-Aware Expert-level CUDA Optimization for LLMs
par: Li, Shiyang, et autres
Publié: (2026)
par: Li, Shiyang, et autres
Publié: (2026)
AgentSynth: Scalable Task Generation for Generalist Computer-Use Agents
par: Xie, Jingxu, et autres
Publié: (2025)
par: Xie, Jingxu, et autres
Publié: (2025)
Infant Agent: A Tool-Integrated, Logic-Driven Agent with Cost-Effective API Usage
par: Lei, Bin, et autres
Publié: (2024)
par: Lei, Bin, et autres
Publié: (2024)
AgentStore: Scalable Integration of Heterogeneous Agents As Specialized Generalist Computer Assistant
par: Jia, Chengyou, et autres
Publié: (2024)
par: Jia, Chengyou, et autres
Publié: (2024)
ExpVG: Investigating the Design Space of Visual Grounding in Multimodal Large Language Model
par: Kang, Weitai, et autres
Publié: (2025)
par: Kang, Weitai, et autres
Publié: (2025)
Scaling Generalist Data-Analytic Agents
par: Qiao, Shuofei, et autres
Publié: (2025)
par: Qiao, Shuofei, et autres
Publié: (2025)
Token Transformation Matters: Towards Faithful Post-hoc Explanation for Vision Transformer
par: Wu, Junyi, et autres
Publié: (2024)
par: Wu, Junyi, et autres
Publié: (2024)
Fortran2CPP: Automating Fortran-to-C++ Translation using LLMs via Multi-Turn Dialogue and Dual-Agent Integration
par: Chen, Le, et autres
Publié: (2024)
par: Chen, Le, et autres
Publié: (2024)
RTop-K: Ultra-Fast Row-Wise Top-K Selection for Neural Network Acceleration on GPUs
par: Xie, Xi, et autres
Publié: (2024)
par: Xie, Xi, et autres
Publié: (2024)
PresentAgent-2: Towards Generalist Multimodal Presentation Agents
par: Wu, Wei, et autres
Publié: (2026)
par: Wu, Wei, et autres
Publié: (2026)
OS-Symphony: A Holistic Framework for Robust and Generalist Computer-Using Agent
par: Yang, Bowen, et autres
Publié: (2026)
par: Yang, Bowen, et autres
Publié: (2026)
InfiGUIAgent: A Multimodal Generalist GUI Agent with Native Reasoning and Reflection
par: Liu, Yuhang, et autres
Publié: (2025)
par: Liu, Yuhang, et autres
Publié: (2025)
OS-Copilot: Towards Generalist Computer Agents with Self-Improvement
par: Wu, Zhiyong, et autres
Publié: (2024)
par: Wu, Zhiyong, et autres
Publié: (2024)
SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding
par: Kang, Weitai, et autres
Publié: (2024)
par: Kang, Weitai, et autres
Publié: (2024)
ACTRESS: Active Retraining for Semi-supervised Visual Grounding
par: Kang, Weitai, et autres
Publié: (2024)
par: Kang, Weitai, et autres
Publié: (2024)
Coding Agents with Multimodal Browsing are Generalist Problem Solvers
par: Soni, Aditya Bharat, et autres
Publié: (2025)
par: Soni, Aditya Bharat, et autres
Publié: (2025)
DR-MMSearchAgent: Deepening Reasoning in Multimodal Search Agents
par: Wang, Shengqin, et autres
Publié: (2026)
par: Wang, Shengqin, et autres
Publié: (2026)
Towards Enterprise-Ready Computer Using Generalist Agent
par: Marreed, Sami, et autres
Publié: (2025)
par: Marreed, Sami, et autres
Publié: (2025)
Agent S2: A Compositional Generalist-Specialist Framework for Computer Use Agents
par: Agashe, Saaket, et autres
Publié: (2025)
par: Agashe, Saaket, et autres
Publié: (2025)
FHE-Agent: Automating CKKS Configuration for Practical Encrypted Inference via an LLM-Guided Agentic Framework
par: Xu, Nuo, et autres
Publié: (2025)
par: Xu, Nuo, et autres
Publié: (2025)
An Embodied Generalist Agent in 3D World
par: Huang, Jiangyong, et autres
Publié: (2023)
par: Huang, Jiangyong, et autres
Publié: (2023)
AdaPI: Facilitating DNN Model Adaptivity for Efficient Private Inference in Edge Computing
par: Zhou, Tong, et autres
Publié: (2024)
par: Zhou, Tong, et autres
Publié: (2024)
From Multimodal LLMs to Generalist Embodied Agents: Methods and Lessons
par: Szot, Andrew, et autres
Publié: (2024)
par: Szot, Andrew, et autres
Publié: (2024)
Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents
par: Wang, Zihao, et autres
Publié: (2025)
par: Wang, Zihao, et autres
Publié: (2025)
On the Faithfulness of Vision Transformer Explanations
par: Wu, Junyi, et autres
Publié: (2024)
par: Wu, Junyi, et autres
Publié: (2024)
Visual Grounding with Attention-Driven Constraint Balancing
par: Kang, Weitai, et autres
Publié: (2024)
par: Kang, Weitai, et autres
Publié: (2024)
Robin3D: Improving 3D Large Language Model via Robust Instruction Tuning
par: Kang, Weitai, et autres
Publié: (2024)
par: Kang, Weitai, et autres
Publié: (2024)
Software as Content: Dynamic Applications as the Human-Agent Interaction Layer
par: Xie, Mulong, et autres
Publié: (2026)
par: Xie, Mulong, et autres
Publié: (2026)
Governance by Construction for Generalist Agents
par: Shlomov, Segev, et autres
Publié: (2026)
par: Shlomov, Segev, et autres
Publié: (2026)
A Generalist Hanabi Agent
par: Sudhakar, Arjun V, et autres
Publié: (2025)
par: Sudhakar, Arjun V, et autres
Publié: (2025)
ProMMSearchAgent: A Generalizable Multimodal Search Agent Trained with Process-Oriented Rewards
par: Yan, Wentao, et autres
Publié: (2026)
par: Yan, Wentao, et autres
Publié: (2026)
Towards Hierarchical Multi-Agent Workflows for Zero-Shot Prompt Optimization
par: Liu, Yuchi, et autres
Publié: (2024)
par: Liu, Yuchi, et autres
Publié: (2024)
UniVA: Universal Video Agent towards Open-Source Next-Generation Video Generalist
par: Liang, Zhengyang, et autres
Publié: (2025)
par: Liang, Zhengyang, et autres
Publié: (2025)
SheetAgent: Towards A Generalist Agent for Spreadsheet Reasoning and Manipulation via Large Language Models
par: Chen, Yibin, et autres
Publié: (2024)
par: Chen, Yibin, et autres
Publié: (2024)
Documents similaires
-
MACM: Utilizing a Multi-Agent System for Condition Mining in Solving Complex Mathematical Problems
par: Lei, Bin, et autres
Publié: (2024) -
StitchCUDA: An Automated Multi-Agents End-to-End GPU Programing Framework with Rubric-based Agentic Reinforcement Learning
par: Li, Shiyang, et autres
Publié: (2026) -
GuirlVG: Incentivize GUI Visual Grounding via Empirical Exploration on Reinforcement Learning
par: Kang, Weitai, et autres
Publié: (2025) -
\textsc{GUI-Spotlight}: Adaptive Iterative Focus Refinement for Enhanced GUI Visual Grounding
par: Lei, Bin, et autres
Publié: (2025) -
CudaForge: An Agent Framework with Hardware Feedback for CUDA Kernel Optimization
par: Zhang, Zijian, et autres
Publié: (2025)