HATS: Hardness-Aware Trajectory Synthesis for GUI Agents
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Shao, Rui, Gao, Ruize, Xie, Bin, Li, Yixing, Zhou, Kaiwen, Wang, Shuai, Guan, Weili, Chen, Gongwei |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
HiconAgent: History Context-aware Policy Optimization for GUI Agents
par: Zhou, Xurui, et autres
Publié: (2025)
par: Zhou, Xurui, et autres
Publié: (2025)
PersonalAlign: Hierarchical Implicit Intent Alignment for Personalized GUI Agent with Long-Term User-Centric Records
par: Lyu, Yibo, et autres
Publié: (2026)
par: Lyu, Yibo, et autres
Publié: (2026)
Less is More: Empowering GUI Agent with Context-Aware Simplification
par: Chen, Gongwei, et autres
Publié: (2025)
par: Chen, Gongwei, et autres
Publié: (2025)
FALCON: Resolving Visual Redundancy and Fragmentation in High-resolution Multimodal Large Language Models via Visual Registers
par: Zhang, Renshan, et autres
Publié: (2025)
par: Zhang, Renshan, et autres
Publié: (2025)
MoME: Mixture of Multimodal Experts for Generalist Multimodal Large Language Models
par: Shen, Leyang, et autres
Publié: (2024)
par: Shen, Leyang, et autres
Publié: (2024)
Token-level Correlation-guided Compression for Efficient Multimodal Document Understanding
par: Zhang, Renshan, et autres
Publié: (2024)
par: Zhang, Renshan, et autres
Publié: (2024)
PUMA: Layer-Pruned Language Model for Efficient Unified Multimodal Retrieval with Modality-Adaptive Learning
par: Lyu, Yibo, et autres
Publié: (2025)
par: Lyu, Yibo, et autres
Publié: (2025)
Curriculum Coarse-to-Fine Selection for High-IPC Dataset Distillation
par: Chen, Yanda, et autres
Publié: (2025)
par: Chen, Yanda, et autres
Publié: (2025)
A Unified Perspective on Adversarial Membership Manipulation in Vision Models
par: Gao, Ruize, et autres
Publié: (2026)
par: Gao, Ruize, et autres
Publié: (2026)
Recovering Policy-Induced Errors: Benchmarking and Trajectory Synthesis for Robust GUI Agents
par: Bu, Tianpeng, et autres
Publié: (2026)
par: Bu, Tianpeng, et autres
Publié: (2026)
GUI-G1: Understanding R1-Zero-Like Training for Visual Grounding in GUI Agents
par: Zhou, Yuqi, et autres
Publié: (2025)
par: Zhou, Yuqi, et autres
Publié: (2025)
TongUI: Internet-Scale Trajectories from Multimodal Web Tutorials for Generalized GUI Agents
par: Zhang, Bofei, et autres
Publié: (2025)
par: Zhang, Bofei, et autres
Publié: (2025)
Chain-of-Memory: Enhancing GUI Agents for Cross-Application Navigation
par: Gao, Xinzge, et autres
Publié: (2025)
par: Gao, Xinzge, et autres
Publié: (2025)
VideoAgent2: Enhancing the LLM-Based Agent System for Long-Form Video Understanding by Uncertainty-Aware CoT
par: Zhi, Zhuo, et autres
Publié: (2025)
par: Zhi, Zhuo, et autres
Publié: (2025)
AndroTMem: From Interaction Trajectories to Anchored Memory in Long-Horizon GUI Agents
par: Shi, Yibo, et autres
Publié: (2026)
par: Shi, Yibo, et autres
Publié: (2026)
GUIDE: Resolving Domain Bias in GUI Agents through Real-Time Web Video Retrieval and Plug-and-Play Annotation
par: Xie, Rui, et autres
Publié: (2026)
par: Xie, Rui, et autres
Publié: (2026)
History-Aware Reasoning for GUI Agents
par: Wang, Ziwei, et autres
Publié: (2025)
par: Wang, Ziwei, et autres
Publié: (2025)
SecAgent: Efficient Mobile GUI Agent with Semantic Context
par: Xie, Yiping, et autres
Publié: (2026)
par: Xie, Yiping, et autres
Publié: (2026)
Beyond Quantity: Distribution-Aware Labeling for Visual Grounding
par: Zhang, Yichi, et autres
Publié: (2025)
par: Zhang, Yichi, et autres
Publié: (2025)
AutoTraces: Autoregressive Trajectory Forecasting via Multimodal Large Language Models
par: Wang, Teng, et autres
Publié: (2026)
par: Wang, Teng, et autres
Publié: (2026)
InfiniteWeb: Scalable Web Environment Synthesis for GUI Agent Training
par: Zhang, Ziyun, et autres
Publié: (2026)
par: Zhang, Ziyun, et autres
Publié: (2026)
Learning Trajectory-Aware Multimodal Large Language Models for Video Reasoning Segmentation
par: Luo, Jingnan, et autres
Publié: (2026)
par: Luo, Jingnan, et autres
Publié: (2026)
CogAgent: A Visual Language Model for GUI Agents
par: Hong, Wenyi, et autres
Publié: (2023)
par: Hong, Wenyi, et autres
Publié: (2023)
MMBench-GUI: Hierarchical Multi-Platform Evaluation Framework for GUI Agents
par: Wang, Xuehui, et autres
Publié: (2025)
par: Wang, Xuehui, et autres
Publié: (2025)
SwipeGen: Bridging the Execution Gap in GUI Agents via Human-like Swipe Synthesis
par: Wang, Xuan, et autres
Publié: (2026)
par: Wang, Xuan, et autres
Publié: (2026)
ShowUI-Aloha: Human-Taught GUI Agent
par: Zhang, Yichun, et autres
Publié: (2026)
par: Zhang, Yichun, et autres
Publié: (2026)
Benchmarking and Improving GUI Agents in High-Dynamic Environments
par: Liu, Enqi, et autres
Publié: (2026)
par: Liu, Enqi, et autres
Publié: (2026)
PVLM: Parsing-Aware Vision Language Model with Dynamic Contrastive Learning for Zero-Shot Deepfake Attribution
par: Zhang, Yaning, et autres
Publié: (2025)
par: Zhang, Yaning, et autres
Publié: (2025)
OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis
par: Sun, Qiushi, et autres
Publié: (2024)
par: Sun, Qiushi, et autres
Publié: (2024)
GUI-CEval: A Hierarchical and Comprehensive Chinese Benchmark for Mobile GUI Agents
par: Li, Yang, et autres
Publié: (2026)
par: Li, Yang, et autres
Publié: (2026)
GUI-C$^2$: Coarse-to-Fine GUI Grounding via Difficulty-Aware Reinforcement Learning
par: Li, Junlong, et autres
Publié: (2026)
par: Li, Junlong, et autres
Publié: (2026)
Video2GUI: Synthesizing Large-Scale Interaction Trajectories for Generalized GUI Agent Pretraining
par: Xiong, Weimin, et autres
Publié: (2026)
par: Xiong, Weimin, et autres
Publié: (2026)
MobileFlow: A Multimodal LLM For Mobile GUI Agent
par: Nong, Songqin, et autres
Publié: (2024)
par: Nong, Songqin, et autres
Publié: (2024)
From Mannequin to Human: A Pose-Aware and Identity-Preserving Video Generation Framework for Lifelike Clothing Display
par: Mu, Xiangyu, et autres
Publié: (2025)
par: Mu, Xiangyu, et autres
Publié: (2025)
Continual GUI Agents
par: Liu, Ziwei, et autres
Publié: (2026)
par: Liu, Ziwei, et autres
Publié: (2026)
PAL-UI: Planning with Active Look-back for Vision-Based GUI Agents
par: Liu, Zikang, et autres
Publié: (2025)
par: Liu, Zikang, et autres
Publié: (2025)
HUD: Hierarchical Uncertainty-Aware Disambiguation Network for Composed Video Retrieval
par: Chen, Zhiwei, et autres
Publié: (2025)
par: Chen, Zhiwei, et autres
Publié: (2025)
MAI-UI Technical Report: Real-World Centric Foundation GUI Agents
par: Zhou, Hanzhang, et autres
Publié: (2025)
par: Zhou, Hanzhang, et autres
Publié: (2025)
GUI-ARP: Enhancing Grounding with Adaptive Region Perception for GUI Agents
par: Ye, Xianhang, et autres
Publié: (2025)
par: Ye, Xianhang, et autres
Publié: (2025)
Global Prior Meets Local Consistency: Dual-Memory Augmented Vision-Language-Action Model for Efficient Robotic Manipulation
par: Li, Zaijing, et autres
Publié: (2026)
par: Li, Zaijing, et autres
Publié: (2026)
Documents similaires
-
HiconAgent: History Context-aware Policy Optimization for GUI Agents
par: Zhou, Xurui, et autres
Publié: (2025) -
PersonalAlign: Hierarchical Implicit Intent Alignment for Personalized GUI Agent with Long-Term User-Centric Records
par: Lyu, Yibo, et autres
Publié: (2026) -
Less is More: Empowering GUI Agent with Context-Aware Simplification
par: Chen, Gongwei, et autres
Publié: (2025) -
FALCON: Resolving Visual Redundancy and Fragmentation in High-resolution Multimodal Large Language Models via Visual Registers
par: Zhang, Renshan, et autres
Publié: (2025) -
MoME: Mixture of Multimodal Experts for Generalist Multimodal Large Language Models
par: Shen, Leyang, et autres
Publié: (2024)