GUI-AC: Enhancing Continual Learning in GUI Agents

TL;DR

GUI-AC方法通过自适应优势和动态剪辑提升GUI代理的持续学习能力。

cs.CV 🔴 高级 2026-06-09 6 次浏览
Can Lin Tao Feng Hangjie Yuan Dan Zhang Yifan Zhu Zhonghong Ou
持续学习 GUI代理 自适应优势 动态剪辑 强化学习

核心发现

方法论

GUI-AC通过引入自适应优势和动态剪辑机制,解决了GUI代理在持续学习中遇到的分布转移问题。自适应优势降低了噪声优势估计的权重,防止策略过度自信;动态剪辑放宽了剪辑边界,鼓励探索。

关键结果

  • GUI-AC在ScreenSpot-V1和V2基准上实现了平均准确率的显著提升,超过了现有的最先进基线方法。
  • 在跨域和跨分辨率的持续学习任务中,GUI-AC展示了更高的稳定性和泛化能力。
  • 消融实验表明,动态剪辑是性能提升的主要驱动力。

研究意义

该研究为GUI代理的持续学习提供了新的方法,解决了由于界面分布变化导致的学习不稳定问题。其机制可以广泛应用于需要处理动态环境的其他领域。

技术贡献

GUI-AC通过引入自适应优势和动态剪辑,提供了新的理论保证和工程可能性,与现有方法相比具有根本性差异。

新颖性

GUI-AC首次在GUI代理的持续学习中引入了四象限分析法,识别并解决了RFT失败的根本原因。

局限性

  • 在某些高噪声环境下,自适应优势可能不足以完全消除噪声影响。
  • 动态剪辑的参数选择对性能有显著影响。

未来方向

未来工作可以探索在其他动态环境中的应用,以及进一步优化自适应优势和动态剪辑的参数选择。

AI 总览摘要

图形用户界面(GUI)是人机交互的主要媒介,但构建能够在多样化界面环境中灵活泛化的GUI代理仍然是一个未解决的问题。现有的强化微调方法在处理持续学习中的分布转移时表现出显著的不稳定性。为了解决这些挑战,研究者提出了GUI-AC方法,通过引入自适应优势和动态剪辑机制,显著提升了GUI代理的持续学习能力。

GUI-AC的核心在于通过自适应优势降低噪声优势估计的权重,防止策略过度自信,同时通过动态剪辑放宽剪辑边界,鼓励探索。实验结果表明,GUI-AC在ScreenSpot-V1和V2基准上超越了现有的最先进基线方法,展示了更高的训练稳定性和持续泛化能力。

尽管GUI-AC在处理分布转移方面表现出色,但在某些高噪声环境下,自适应优势可能不足以完全消除噪声影响。未来的研究可以进一步优化这些机制的参数选择,并探索其在其他动态环境中的应用。

深度分析

研究背景

随着应用程序和设计模式的不断演变,GUI代理需要在未见过的界面上持续操作。传统的强化学习方法假设界面分布相对稳定,但在持续学习中,这种假设不成立。

核心问题

GUI代理在持续学习中面临的核心问题是界面分布的持续变化,这导致了训练不稳定和策略过度自信。

核心创新

GUI-AC通过引入自适应优势和动态剪辑机制,解决了由于分布转移导致的学习不稳定问题。自适应优势降低了噪声优势估计的权重,而动态剪辑放宽了剪辑边界。

方法详解

  • �� 自适应优势:通过计算组内均值和标准差,调整优势信号的权重。
  • �� 动态剪辑:根据不确定性调整剪辑边界,允许更大的概率比率更新。
  • �� 强化微调:采用GRPO框架,最大化剪辑替代目标。

实验设计

实验在ScreenSpot-V1、V2和Pro基准上进行,采用Qwen2.5VL-3B作为视觉语言骨干。对比基线包括InfiGUI-R1、SE-GUI等。

结果分析

GUI-AC在跨域和跨分辨率任务中表现出色,准确率显著提升。消融实验表明,动态剪辑对性能提升贡献最大。

应用场景

GUI-AC可用于需要处理动态环境的应用,如跨平台软件开发和自动化测试。

局限与展望

在高噪声环境中,自适应优势可能不足以完全消除噪声影响。动态剪辑的参数选择对性能有显著影响。

通俗解读 非专业人士也能看懂

想象你在一个不断变化的城市中开车。每次你开车时,城市的道路布局都会发生变化。GUI-AC就像是一个智能导航系统,它能根据新的道路布局实时调整路线,确保你能顺利到达目的地。自适应优势就像是导航系统中的交通流量监控,帮助你避免拥堵,而动态剪辑则像是一个灵活的路线选择器,允许你在需要时选择不同的路线。

简单解释 像给14岁少年讲一样

想象一下你在玩一个游戏,每次你进入一个新关卡,地图都会改变。GUI-AC就像是一个超级助手,帮助你在新地图中找到正确的路线。它会根据你之前的表现调整策略,就像一个聪明的教练,告诉你什么时候该冒险,什么时候该小心。这样你就能在每个关卡中表现得更好!

术语表

自适应优势 (Adaptive Advantage)

一种机制,通过降低噪声优势估计的权重,防止策略过度自信。

在GUI-AC中用于解决分布转移导致的训练不稳定问题。

动态剪辑 (Dynamic Clipping)

一种机制,通过放宽剪辑边界,鼓励策略的探索能力。

在GUI-AC中用于提高策略在新界面上的适应能力。

强化微调 (Reinforcement Fine-tuning)

一种通过在线交互生成奖励信号进行策略更新的方法。

在GUI代理的持续学习中用于提高界面映射能力。

四象限分析 (Four-quadrant Analysis)

一种分析方法,通过优势和概率将策略状态映射到四个象限。

用于识别RFT失败的根本原因。

界面分布转移 (Interface Distribution Shift)

指界面实例的持续出现和变化,导致分布的变化。

在GUI代理的持续学习中是主要挑战之一。

开放问题 这项研究留下的未解疑问

  • 1 如何在高噪声环境中进一步提高自适应优势的效果?
  • 2 动态剪辑的参数选择如何影响不同任务的性能?

应用场景

近期应用

跨平台软件开发

GUI-AC可以帮助开发者在不同平台上快速适应界面变化,提高开发效率。

远期愿景

自动化测试

GUI-AC可以用于自动化测试工具,帮助识别和适应界面变化,提高测试覆盖率。

原文摘要

Graphical User Interfaces (GUIs) serve as the dominant medium for human-computer interaction, yet building GUI agents that generalize across the vast diversity of real-world interface environments, with the same flexibility and robustness that humans naturally exhibit, remains unsolved. Notably, GUI data are inherently non-stationary: the continual emergence of previously unseen interface instances (e.g., novel domains and resolutions) induces persistent distribution shifts, significantly impeding the continual learning of existing GUI agents. Reinforcement fine-tuning (RFT) has attracted considerable attention as a promising approach. Nevertheless, RFT exhibits pronounced instability in its grounding capability, manifested as sharp reward discontinuities and high-variance oscillations. The imbalanced distribution of rollout outcomes introduces substantial noise into advantage estimation, leading to policy overconfidence. The fixed clipping bound suppresses the increase in policy probabilities needed to adapt to new distributions, leading to a collapse in exploration capacity. To address these challenges, we propose GUI-AC, a method that enhances the continual learning capability of GUI agents. GUI-AC introduces grounding certainty to support two core mechanisms: (i) Adaptive Advantage, which down-weights noisy advantage estimates to prevent policy overconfidence; and (ii) Dynamic Clipping, which relaxes the clipping bound to encourage exploration range. Extensive experiments show that these mechanisms jointly improve performance, enabling our method to surpass state-of-the-art baselines. Code is available anonymously at https://github.com/Can-Lin/GUI-AC.

cs.CV