Buchumschlag

DocOS: Towards Proactive Document-Guided Actions in GUI Agents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Jingjing, Huang, Ziye, Cheng, Zihao, Liu, Zeming, Wu, Jiahong, Guo, Yuhang, Chen, Kehai, Wang, Yunhong, Wang, Haifeng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ToolSpectrum : Towards Personalized Tool Utilization for Large Language Models
von: Cheng, Zihao, et al.
Veröffentlicht: (2025)

DocMEdit: Towards Document-Level Model Editing
von: Zeng, Li, et al.
Veröffentlicht: (2025)

RepoDebug: Repository-Level Multi-Task and Multi-Language Debugging Evaluation of Large Language Models
von: Liu, Jingjing, et al.
Veröffentlicht: (2025)

VeriOS: Query-Driven Proactive Human-Agent-GUI Interaction for Trustworthy OS Agents
von: Wu, Zheng, et al.
Veröffentlicht: (2025)

Mem$^2$Evolve: Towards Self-Evolving Agents via Co-Evolutionary Capability Expansion and Experience Distillation
von: Cheng, Zihao, et al.
Veröffentlicht: (2026)

Terminal-World: Scaling Terminal-Agent Environments via Agent Skills
von: Cheng, Zihao, et al.
Veröffentlicht: (2026)

TransBench: Breaking Barriers for Transferable Graphical User Interface Agents in Dynamic Digital Environments
von: Lu, Yuheng, et al.
Veröffentlicht: (2025)

Character-R1: Enhancing Role-Aware Reasoning in Role-Playing Agents via RLVR
von: Tang, Yihong, et al.
Veröffentlicht: (2026)

OS-ATLAS: A Foundation Action Model for Generalist GUI Agents
von: Wu, Zhiyong, et al.
Veröffentlicht: (2024)

HomeBench: Evaluating LLMs in Smart Homes with Valid and Invalid Instructions Across Single and Multiple Devices
von: Li, Silin, et al.
Veröffentlicht: (2025)

OS-Kairos: Adaptive Interaction for MLLM-Powered GUI Agents
von: Cheng, Pengzhou, et al.
Veröffentlicht: (2025)

CogDoc: Towards Unified thinking in Documents
von: Xu, Qixin, et al.
Veröffentlicht: (2025)

SafeToolBench: Pioneering a Prospective Benchmark to Evaluating Tool Utilization Safety in LLMs
von: Xia, Hongfei, et al.
Veröffentlicht: (2025)

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

PIRA-Bench: A Transition from Reactive GUI Agents to GUI-based Proactive Intent Recommendation Agents
von: Chai, Yuxiang, et al.
Veröffentlicht: (2026)

Learn More, Forget Less: A Gradient-Aware Data Selection Approach for LLM
von: Liu, Yibai, et al.
Veröffentlicht: (2025)

Doc-Guided Sent2Sent++: A Sent2Sent++ Agent with Doc-Guided memory for Document-level Machine Translation
von: Guo, Jiaxin, et al.
Veröffentlicht: (2025)

Faithful Mobile GUI Agents with Guided Advantage Estimator
von: Hu, Haowen, et al.
Veröffentlicht: (2026)

Deepfake Detection via Knowledge Injection
von: Li, Tonghui, et al.
Veröffentlicht: (2025)

Agentic Reward Modeling: Verifying GUI Agent via Online Proactive Interaction
von: Cui, Chaoqun, et al.
Veröffentlicht: (2026)

TCM-Eval: An Expert-Level Dynamic and Extensible Benchmark for Traditional Chinese Medicine
von: Cheng, Zihao, et al.
Veröffentlicht: (2025)

OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows
von: Sun, Qiushi, et al.
Veröffentlicht: (2025)

Deterministic Reversible Data Augmentation for Neural Machine Translation
von: Yao, Jiashu, et al.
Veröffentlicht: (2024)

Utilizing and Calibrating Hindsight Process Rewards via Reinforcement with Mutual Information Self-Evaluation
von: Yao, Jiashu, et al.
Veröffentlicht: (2026)

Towards Trustworthy GUI Agents: A Survey
von: Shi, Yucheng, et al.
Veröffentlicht: (2025)

FAME: Towards Factual Multi-Task Model Editing
von: Zeng, Li, et al.
Veröffentlicht: (2024)

RETAIL: Towards Real-world Travel Planning for Large Language Models
von: Deng, Bin, et al.
Veröffentlicht: (2025)

OS-Oracle: A Comprehensive Framework for Cross-Platform GUI Critic Models
von: Wu, Zhenyu, et al.
Veröffentlicht: (2025)

Generalizable AI-Generated Image Detection Based on Fractal Self-Similarity in the Spectrum
von: Xiao, Shengpeng, et al.
Veröffentlicht: (2025)

OS-Themis: A Scalable Critic Framework for Generalist GUI Rewards
von: Li, Zehao, et al.
Veröffentlicht: (2026)

PRIM: Towards Practical In-Image Multilingual Machine Translation
von: Tian, Yanzhi, et al.
Veröffentlicht: (2025)

GUI-Libra: Training Native GUI Agents to Reason and Act with Action-aware Supervision and Partially Verifiable RL
von: Yang, Rui, et al.
Veröffentlicht: (2026)

OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis
von: Sun, Qiushi, et al.
Veröffentlicht: (2024)

Exploring In-Image Machine Translation with Real-World Background
von: Tian, Yanzhi, et al.
Veröffentlicht: (2025)

InfiGUI-R1: Advancing Multimodal GUI Agents from Reactive Actors to Deliberative Reasoners
von: Liu, Yuhang, et al.
Veröffentlicht: (2025)

DocDancer: Towards Agentic Document-Grounded Information Seeking
von: Zhang, Qintong, et al.
Veröffentlicht: (2026)

DocR1: Evidence Page-Guided GRPO for Multi-Page Document Understanding
von: Xiong, Junyu, et al.
Veröffentlicht: (2025)

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

GUI Agents with Reinforcement Learning: Toward Digital Inhabitants
von: Hu, Junan, et al.
Veröffentlicht: (2026)

DocAgent: A Multi-Agent System for Automated Code Documentation Generation
von: Yang, Dayu, et al.
Veröffentlicht: (2025)