arXiv · 机器人与计算机视觉· Jiaming Zhang, Xuan Wang, Fuyao Zhang, Yang Cao, Lingjuan Lyu, Wei Yang Bryan Lim·· 2026-10-09AI 评分59
Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents
Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents
AI 导读
论文提出 LGWM,这是一个无需解码器、由动作条件的世界模型,能在观测编码的空间中直接预测下一屏幕的表征。该研究论证了世界模型应作为验证工具而非仅模拟器或规划器,通过向量比较判断过渡是否安全。作者在 RSWT-BENCH 上评估显示,其无训练分数达到 0.987 AUC,决策延迟为每步 17ms,显著优于生成式 GUI 世界模型和提示式 VLMs。
来源:arXiv · 机器人与计算机视觉 · arxiv.org