arXiv · cs.AI· Sizhe Tang, Hanhan Zhou, Jeffrey Svajlenko, Rashmi Gangadharaiah·· 2 天前
GUI世界模型超越下一屏预测：直接动作排序的决策价值评估
Beyond Next-Screen Prediction: The Decision Value of GUI World Models
arXiv:2610.24372v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sizhe Tang, Hanhan Zhou, Jeffrey Svajlenko, Rashmi Gangadharaiah
研究任务与主要进展
作者提出Direct Action Ranking（DAR），直接从参考动作学习候选动作排序，并在匹配监督下与预测增强方法比较。基于论文摘要，预测的后继状态在直接学习排序后未提供可检测的额外排序信号；DAR无需重训练即可在AndroidWorld任务成功率上提升5.8–16.4个百分点，并能零样本迁移到未见应用，而所有依赖预测的配置表现低于提案器置信度。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org