HF Daily Papers·· 6 天前精选AI 评分46
面向 GUI 智能体的潜在世界动作模型
Latent World Action Model for GUI Agents
AI 导读
论文提出面向 GUI 智能体的潜在世界动作模型，把世界模型预测目标从像素空间全屏重建转向潜在空间中的动作诱导未来信息，并通过动作感知对比损失缓解 identity shortcut。
推荐理由
论文把 GUI 世界模型预测从像素重建改为潜在空间表示，给出相对像素基线的成功率与延迟提升，并随附开源代码。
来源：HF Daily Papers · huggingface.co