JarvisGUI 基准：开源 GUI 智能体跨设备成功率堪忧

EMNLP 2026 论文 JarvisGUI 发布跨设备 GUI 智能体基准，在 Docker 中同时运行 Android、Windows、Ubuntu 三套虚拟机，包含 118 个原子任务与复合任务。结果显示开源 GUI 智能体成功率介于 28.8%（MAI-UI）至 42.4%（HOLO2），Ubuntu 上最高 60.7%，复合任务最佳成功率仅 8%。失败主要源于状态推理与长程规划：一个文件位置没记或一条命令出错即中断整个跨设备工作流，作者认为需在记忆、跨模态 grounding 等方向改进。

2026-09-23 ~ 2026-09-23 · 4 条相关

• JarvisGUI 基准:跨 Android/Windows/Ubuntu 考验 GUI 智能体 — maier_ak · 2026-09-23
• 开源 GUI 智能体跨设备实测:复合任务最佳成功率仅 8% — maier_ak · 2026-09-23
• 跨设备工作流一错全崩:GUI 智能体败在状态推理与长程规划 — maier_ak · 2026-09-23
• JarvisGUI:让 GUI 智能体同时操作三套系统的跨设备基准详解 — maier_ak · 2026-09-23