论文页面 - Qwen-UI-Agent 技术报告：迈向下一代以真实世界为中心的基座 GUI 代理

来源：https://huggingface.co/papers/2607.28227 作者：

，

，

，

，

，

，

，

，

，

，

，

，

，

摘要

GUI 代理有潜力成为现有数字设备上的通用执行器。为了推动它们走向真实世界应用，我们设想这样的代理：能够在真实设备上可靠运行、跨平台执行工作流、将 GUI 交互与 CLI 执行相结合、完成长周期任务、主动发起有用服务，并以最少的人力投入自主提升能力。在这一愿景的指导下，我们提出了 Qwen-UI-Agent，一个以真实世界为中心的基座 GUI 代理，覆盖移动端、电脑操作、网页和 DeepSearch 环境。Qwen-UI-Agent 将多样化的沙盒环境与大规模真实设备移动运行时相结合。其统一动作空间将 GUI 操作与 CLI 执行交错融合，并在单次模型推理中生成批量动作。一个 AutoResearch 风格的数据飞轮利用代理来构建任务和环境、诊断失败并规划后续迭代。在线强化学习支持在超过 100 步的轨迹上进行训练，并借助超过 10,000 个并发环境加速采样。一个轻量级的 harness 层支持跨移动端和电脑端的主动服务发起与有状态工作流。在广泛的评测套件中，Qwen-UI-Agent 在移动端使用基准上取得了最先进的性能，同时在电脑端和浏览器使用任务上提供了与前沿模型（包括 Opus 4.8、Gemini 3.1 Pro 和 GPT-5.6 Sol）相比具有竞争力的表现。在移动端使用方面，它在 MobileWorld 上达到 82.1%，在 MobileWorld-Real 上达到 92.2%，在 AndroidDaily 上达到 97.5%。在电脑端使用方面，它在 OSWorld-Verified 上达到 79.5%，在 OSWorld-v2 上取得 40.0% 的部分进展分数。在浏览器使用和 GUI 接地方面，它在 WebArena 上达到 73.6%，在 ScreenSpot-Pro 上达到 81.5%。

查看 arXiv 页面 (https://arxiv.org/abs/2607.28227) 查看 PDF (https://arxiv.org/pdf/2607.28227) 项目页面 (https://tongyi-mai.github.io/Qwen-UI-Agent/) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.28227)

在您的代理中获取此论文：

hf papers read 2607\.28227

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2607.28227，即可从此页面链接到该模型。

引用此论文的数据集 0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.28227，即可从此页面链接到该数据集。

引用此论文的 Space 0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2607.28227，即可从此页面链接到该 Space。

包含此论文的收藏 0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 即可从此页面链接到它。