Buchumschlag

BTL-UI: Blink-Think-Link Reasoning Model for GUI Agent

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Shaojie, Zhang, Ruoceng, Fu, Pei, Wang, Shaokang, Yang, Jiahui, Du, Xin, Cui, Shiqi, Qin, Bin, Huang, Ying, Luo, Zhenbo, Luan, Jian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GAIA: A Data Flywheel System for Training GUI Test-Time Scaling Critic Models
von: Wang, Shaokang, et al.
Veröffentlicht: (2026)

Enhancing Trustworthy GUI Grounding via Self-Critiqued Reinforcement Learning
von: Zhang, Shaojie, et al.
Veröffentlicht: (2025)

Beyond Binary: Reframing GUI Critique as Continuous Semantic Alignment
von: Sun, Yuchen, et al.
Veröffentlicht: (2026)

Q-Frame: Query-aware Frame Selection and Multi-Resolution Adaptation for Video-LLMs
von: Zhang, Shaojie, et al.
Veröffentlicht: (2025)

Think Silently, Think Fast: Dynamic Latent Compression of LLM Reasoning Chains
von: Tan, Wenhui, et al.
Veröffentlicht: (2025)

PatchCue: Enhancing Vision-Language Model Reasoning with Patch-Based Visual Cues
von: Qi, Yukun, et al.
Veröffentlicht: (2026)

IMTBench: A Multi-Scenario Cross-Modal Collaborative Evaluation Benchmark for In-Image Machine Translation
von: Lyu, Jiahao, et al.
Veröffentlicht: (2026)

Thinking in cocktail party: Chain-of-Thought and reinforcement learning for target speaker automatic speech recognition
von: Zhang, Yiru, et al.
Veröffentlicht: (2025)

UI-Ins: Enhancing GUI Grounding with Multi-Perspective Instruction-as-Reasoning
von: Chen, Liangyu, et al.
Veröffentlicht: (2025)

Q-Mask: Query-driven Causal Masks for Text Anchoring in OCR-Oriented Vision-Language Models
von: Xu, Longwei, et al.
Veröffentlicht: (2026)

ShowUI-Aloha: Human-Taught GUI Agent
von: Zhang, Yichun, et al.
Veröffentlicht: (2026)

UI-Oceanus: Scaling GUI Agents with Synthetic Environmental Dynamics
von: Wu, Mengzhou, et al.
Veröffentlicht: (2026)

Scaling, Benchmarking, and Reasoning of Vision-Language Agents for Mobile GUI Navigation
von: Qu, Heng, et al.
Veröffentlicht: (2026)

UI-TARS: Pioneering Automated GUI Interaction with Native Agents
von: Qin, Yujia, et al.
Veröffentlicht: (2025)

GUI-PRA: Process Reward Agent for GUI Tasks
von: Xiong, Tao, et al.
Veröffentlicht: (2025)

MAI-UI Technical Report: Real-World Centric Foundation GUI Agents
von: Zhou, Hanzhang, et al.
Veröffentlicht: (2025)

EMO-R3: Reflective Reinforcement Learning for Emotional Reasoning in Multimodal Large Language Models
von: Fang, Yiyang, et al.
Veröffentlicht: (2026)

GUI-Shift: Enhancing VLM-Based GUI Agents through Self-supervised Reinforcement Learning
von: Gao, Longxi, et al.
Veröffentlicht: (2025)

Aria-UI: Visual Grounding for GUI Instructions
von: Yang, Yuhao, et al.
Veröffentlicht: (2024)

UI-KOBE: Knowledge-Oriented Behavior Exploration for Lightweight Graph-Guided GUI Agents
von: Chai, Yuxiang, et al.
Veröffentlicht: (2026)

ThinkOmni: Lifting Textual Reasoning to Omni-modal Scenarios via Guidance Decoding
von: Guan, Yiran, et al.
Veröffentlicht: (2026)

Video Streaming Thinking: VideoLLMs Can Watch and Think Simultaneously
von: Guan, Yiran, et al.
Veröffentlicht: (2026)

BacktrackAgent: Enhancing GUI Agent with Error Detection and Backtracking Mechanism
von: Wu, Qinzhuo, et al.
Veröffentlicht: (2025)

Ferret-UI Lite: Lessons from Building Small On-Device GUI Agents
von: Yang, Zhen, et al.
Veröffentlicht: (2025)

UI-TARS-2 Technical Report: Advancing GUI Agent with Multi-Turn Reinforcement Learning
von: Wang, Haoming, et al.
Veröffentlicht: (2025)

AQuaUI: Visual Token Reduction for GUI Agents with Adaptive Quadtrees
von: Li, Yuankai, et al.
Veröffentlicht: (2026)

TongUI: Internet-Scale Trajectories from Multimodal Web Tutorials for Generalized GUI Agents
von: Zhang, Bofei, et al.
Veröffentlicht: (2025)

Are GUI Agents Focused Enough? Automated Distraction via Semantic-level UI Element Injection
von: Yang, Wenkui, et al.
Veröffentlicht: (2026)

ShowUI: One Vision-Language-Action Model for GUI Visual Agent
von: Lin, Kevin Qinghong, et al.
Veröffentlicht: (2024)

PAL-UI: Planning with Active Look-back for Vision-Based GUI Agents
von: Liu, Zikang, et al.
Veröffentlicht: (2025)

Doc-V*:Coarse-to-Fine Interactive Visual Reasoning for Multi-Page Document VQA
von: Zheng, Yuanlei, et al.
Veröffentlicht: (2026)

Thinking Short and Right Over Thinking Long: Serving LLM Reasoning Efficiently and Accurately
von: Wang, Yuhang, et al.
Veröffentlicht: (2025)

GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents
von: Wu, Qianhui, et al.
Veröffentlicht: (2025)

MPR-GUI: Benchmarking and Enhancing Multilingual Perception and Reasoning in GUI Agents
von: Chen, Ruihan, et al.
Veröffentlicht: (2025)

UI-R1: Enhancing Efficient Action Prediction of GUI Agents by Reinforcement Learning
von: Lu, Zhengxi, et al.
Veröffentlicht: (2025)

UI-Voyager: A Self-Evolving GUI Agent Learning via Failed Experience
von: Lin, Zichuan, et al.
Veröffentlicht: (2026)

MagicGUI: A Foundational Mobile GUI Agent with Scalable Data Pipeline and Reinforcement Fine-tuning
von: Tang, Liujian, et al.
Veröffentlicht: (2025)

Executable Agentic Memory for GUI Agent
von: Qin, Zerui, et al.
Veröffentlicht: (2026)

AutoLink: Autonomous Schema Exploration and Expansion for Scalable Schema Linking in Text-to-SQL at Scale
von: Wang, Ziyang, et al.
Veröffentlicht: (2025)

UI-E2I-Synth: Advancing GUI Grounding with Large-Scale Instruction Synthesis
von: Liu, Xinyi, et al.
Veröffentlicht: (2025)