标签
本文提出了HybridCUA,一种结合GUI和CLI交互的计算机使用代理方法,采用两阶段训练框架,包括监督微调和强化学习,以提高任务准确性和跨平台通用性。
本文介绍了CUActSpot,一个用于评估计算机使用代理的多模态基准测试,以及一个基于渲染器的数据合成流程。提出的Phi-Ground-Any-4B模型在32B参数以下的开源模型中表现最佳。