【第307期】（中文）通用任务微调提升GUI智能体性能

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法方向，让大家跟着AI一起进步。

今天的主题是：

Breaking the Data Barrier -- Building GUI Agents Through Task Generalization

Summary

该研究提出了一种中间训练方法，旨在通过利用非图形用户界面（GUI）数据来增强GUI智能体的基础能力，以应对高质量轨迹数据稀缺的问题。研究人员在多个领域进行了实验，包括多模态和文本推理，并发现数学推理数据（甚至纯文本形式）能显著提高GUI智能体在AndroidWorld和WebArena等平台上的表现。最终，他们结合表现最佳的数据集创建了GUIMid，取得了显著的性能提升，为构建更高效的GUI训练流程提供了宝贵的见解。

原文链接：https://arxiv.org/abs/2504.10127