实体
Multimodal-Mind2Web
Multimodal-Mind2Web
PulseAugur coverage of Multimodal-Mind2Web — every cluster mentioning Multimodal-Mind2Web across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
BrowserForge 框架大规模生成网页代理训练数据
研究人员开发了 BrowserForge，一个旨在为训练网页代理生成大规模网页交互数据的框架。该系统利用数百个并行浏览器沙箱探索开放网络，创建了超过 200,000 条独特的交互轨迹。通过在此多样化数据集上训练多模态模型，该代理在 Online-Mind2Web 基准测试上的成功率从 25.66% 提高到 33.33%，证明了广泛的网站覆盖和并行数据合成的有效性。
-
SkillLens 引入视觉记忆，提升 AI 代理的 GUI 动作预测能力
研究人员推出 SkillLens，一个通过整合视觉程序记忆来增强计算机使用代理的新颖系统。SkillLens 利用视觉技能卡（VSCs）将可重用程序与视觉线索和验证信号绑定，使代理能够更好地理解活动工作流程和相关控件。该系统在 GUI 动作预测任务上展示了显著的改进，提升了 GPT-5.4-mini 和 Qwen3-VL-2B 等模型在 Multimodal-Mind2Web 和 WebLINX-BrowserGym 等基准测试上的性能。