Buchumschlag

ToolTok: Tool Tokenization for Efficient and Generalizable GUI Agents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Xiaoce, Zhang, Guibin, Li, Junzhe, Tu, Jinzhe, Li, Chun, Li, Ming
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

LaMMA-P: Generalizable Multi-Agent Long-Horizon Task Allocation and Planning with LM-Driven PDDL Planner
von: Zhang, Xiaopan, et al.
Veröffentlicht: (2024)

CommCP: Efficient Multi-Agent Coordination via LLM-Based Communication with Conformal Prediction
von: Zhang, Xiaopan, et al.
Veröffentlicht: (2026)

Picking the Right Specialist: Attentive Neural Process-based Selection of Task-Specialized Models as Tools for Agentic Healthcare Systems
von: Saha, Pramit, et al.
Veröffentlicht: (2026)

Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System
von: Su, Haoyang, et al.
Veröffentlicht: (2024)

Spatio-Temporal Graph Dual-Attention Network for Multi-Agent Prediction and Tracking
von: Li, Jiachen, et al.
Veröffentlicht: (2021)

AdaReasoner: Dynamic Tool Orchestration for Iterative Visual Reasoning
von: Song, Mingyang, et al.
Veröffentlicht: (2026)

ProtoMedAgent: Multimodal Clinical Interpretability via Privacy-Aware Agentic Workflows
von: Pellicer, Alvaro Lopez, et al.
Veröffentlicht: (2026)

RADAR: A Risk-Aware Dynamic Multi-Agent Framework for LLM Safety Evaluation via Role-Specialized Collaboration
von: Chen, Xiuyuan, et al.
Veröffentlicht: (2025)

CMP: Cooperative Motion Prediction with Multi-Agent Communication
von: Wang, Zehao, et al.
Veröffentlicht: (2024)

FEAT: A Multi-Agent Forensic AI System with Domain-Adapted Large Language Model for Automated Cause-of-Death Analysis
von: Shen, Chen, et al.
Veröffentlicht: (2025)

LongVideoAgent: Multi-Agent Reasoning with Long Videos
von: Liu, Runtao, et al.
Veröffentlicht: (2025)

MATRIX: Multi-Agent Trajectory Generation with Diverse Contexts
von: Xu, Zhuo, et al.
Veröffentlicht: (2024)

UniOcc: A Unified Benchmark for Occupancy Forecasting and Prediction in Autonomous Driving
von: Wang, Yuping, et al.
Veröffentlicht: (2025)

Transductive Visual Programming: Evolving Tool Libraries from Experience for Spatial Reasoning
von: Wu, Shengguang, et al.
Veröffentlicht: (2025)

Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation
von: Li, Jiachen, et al.
Veröffentlicht: (2024)

CaPo: Cooperative Plan Optimization for Efficient Embodied Multi-Agent Cooperation
von: Liu, Jie, et al.
Veröffentlicht: (2024)

GenCellAgent: Generalizable, Training-Free Cellular Image Segmentation via Large Language Model Agents
von: Yu, Xi, et al.
Veröffentlicht: (2025)

A Multi-Agent System Enables Versatile Information Extraction from the Chemical Literature
von: Chen, Yufan, et al.
Veröffentlicht: (2025)

SmartSnap: Proactive Evidence Seeking for Self-Verifying Agents
von: Cai, Shaofei, et al.
Veröffentlicht: (2025)

See it. Say it. Sorted: Agentic System for Compositional Diagram Generation
von: Zhang, Hantao, et al.
Veröffentlicht: (2025)

MedChat: A Multi-Agent Framework for Multimodal Diagnosis with Large Language Models
von: Liu, Philip R., et al.
Veröffentlicht: (2025)

Experience-Driven Multi-Agent Systems Are Training-free Context-aware Earth Observers
von: Dai, Pengyu, et al.
Veröffentlicht: (2026)

COMBO: Compositional World Models for Embodied Multi-Agent Cooperation
von: Zhang, Hongxin, et al.
Veröffentlicht: (2024)

StoryAgent: Customized Storytelling Video Generation via Multi-Agent Collaboration
von: Hu, Panwen, et al.
Veröffentlicht: (2024)

Concept-RuleNet: Grounded Multi-Agent Neurosymbolic Reasoning in Vision Language Models
von: Sinha, Sanchit, et al.
Veröffentlicht: (2025)

SWIRL: A Staged Workflow for Interleaved Reinforcement Learning in Mobile GUI Control
von: Lu, Quanfeng, et al.
Veröffentlicht: (2025)

EmboTeam: Grounding LLM Reasoning into Reactive Behavior Trees via PDDL for Embodied Multi-Robot Collaboration
von: Zeng, Haishan, et al.
Veröffentlicht: (2026)

VLM-Guided Iterative Refinement for Surgical Image Segmentation with Foundation Models
von: Lou, Ange, et al.
Veröffentlicht: (2026)

From Perception to Action: Spatial AI Agents and World Models
von: Felicia, Gloria, et al.
Veröffentlicht: (2026)

Agentic-J: An AI Agent for Biological Microscopy Image Analysis
von: Johanns, Lukas, et al.
Veröffentlicht: (2026)

MAViS: A Multi-Agent Framework for Long-Sequence Video Storytelling
von: Wang, Qian, et al.
Veröffentlicht: (2025)

An Artifact-based Agent Framework for Adaptive and Reproducible Medical Image Processing
von: Zuo, Lianrui, et al.
Veröffentlicht: (2026)

GPS-MTM: Capturing Pattern of Normalcy in GPS-Trajectories with self-supervised learning
von: Garg, Umang, et al.
Veröffentlicht: (2025)

Visual Reasoning Agent: Robust Vision Systems in Remote Sensing via Inference-Time Scaling
von: Yu, Chung-En Johnny, et al.
Veröffentlicht: (2025)

StarCraftImage: A Dataset For Prototyping Spatial Reasoning Methods For Multi-Agent Environments
von: Kulinski, Sean, et al.
Veröffentlicht: (2024)

Agent Planning with World Knowledge Model
von: Qiao, Shuofei, et al.
Veröffentlicht: (2024)

Drive My Way: Preference Alignment of Vision-Language-Action Model for Personalized Driving
von: Wang, Zehao, et al.
Veröffentlicht: (2026)

InnoGym: Benchmarking the Innovation Potential of AI Agents
von: Zhang, Jintian, et al.
Veröffentlicht: (2025)

Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI
von: Liu, Yang, et al.
Veröffentlicht: (2024)