Skip to content
简体中文

切换主题

arXiv 2610.26203 · cs.CV · 2026-10-19

Focused Omni-Modal GUI Agents

Fuyao Zhang, Wenwen He, Jiaming Zhang, Yurong Hao, Xuan Wang, Guowei Guan, Che Wang, Longtao Huang 等 9 人

Nanyang Technological University

在最新榜 #71 2026-W43 第 8 名(进行中) 本站收录于 2026-10-22

一句话要点

FocusGUI 用轻量适配器按步骤挑出最相关的屏幕、音频等信号注入冻结模型,缓解 GUI 智能体被无关上下文带偏。

FocusGUI is a lightweight adapter that picks the step-relevant omni-modal evidence for a frozen GUI agent, curbing compounding distraction.

225HF 点赞
12GitHub stars
0引用(Semantic Scholar)
62.7热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库 项目页

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-22。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。 要点修订于 2026-10-22。

数据更新于:最新 AI 论文(北京时间)