论文页面 - Workflow-GYM：迈向真实世界专业领域中计算机使用代理任务的长期评估

来源：https://huggingface.co/papers/2606.11042 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

当前的 AI 代理在长期的专业 GUI 工作流程中表现不佳，由于工作流程一致性和领域特定软件理解方面的问题，成功率极低。

近年来，AI 代理正快速朝着处理日益复杂、真实的现实世界任务迈进。然而，现有的基准测试很少评估代理是否能够操作图形用户界面，以跨多个领域完成长期、高价值的专业工作流程。当前的 GUI 基准测试仍然主要专注于通用软件、相对简单的应用和短时间范围的任务，导致我们对于现代代理能否遵循用户指令、自主操作领域专用专业软件并以端到端方式完成具有经济价值的工作几乎一无所知。为了弥补这一差距，我们引入了 Workflow-GYM，这是一个以专业领域和专用软件环境为核心的长期 GUI 任务基准测试。通过对最先进模型进行大量实验，我们发现即使是最强的模型也仅能达到略高于 30% 的成功率，这突显出专业的长期 GUI 工作流程对于当前的 GUI 代理仍然极具挑战性。进一步的分析揭示，当前代理难以维持长期工作流程的一致性，经常出现工作流程阶段遗漏、错误传播、目标漂移以及对专业软件环境理解不足等问题。我们的发现为当前代理系统的局限性提供了重要见解，并为下一代 GUI 代理研究指明了关键方向。

查看 arXiv 页面 (https://arxiv.org/abs/2606.11042)
查看 PDF (https://arxiv.org/pdf/2606.11042)
项目页面 (https://workflow-gym.github.io/)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.11042)

在你的代理中获取这篇论文：

hf papers read 2606.11042

没有最新的命令行客户端？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型0

没有模型链接该论文

在模型的 README.md 中引用 arxiv.org/abs/2606.11042 即可从此页面链接。

引用该论文的数据集0

没有数据集链接该论文

在数据集的 README.md 中引用 arxiv.org/abs/2606.11042 即可从此页面链接。

引用该论文的 Space0

没有 Space 链接该论文

在 Space 的 README.md 中引用 arxiv.org/abs/2606.11042 即可从此页面链接。

包含该论文的收藏集0

没有收藏集包含该论文

将这篇论文添加到收藏集中即可从此页面链接。