研究人员开发了 LGWM,这是一种新颖的、无解码器的、动作条件的世界模型,旨在验证图形用户界面 (GUI) 过渡。与之前预测文本或图像的模型不同,LGWM 直接预测下一个屏幕的表示,从而能够进行高效的向量比较来检测被劫持的屏幕。LGWM 在没有语义标注的情况下,在 185 万次真实的 GUI 过渡上进行了训练,实现了高精度和低延迟,在 RSWT-BENCH 诊断上表现优于现有模型。 AI
影响 这项研究引入了一种验证 GUI 过渡的新方法,有望提高 GUI 代理的安全性和可靠性。
排序理由 该集群包含一篇详细介绍新模型和基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →