论文提出DAR：GUI世界模型中直接动作排序优于预测评估
热点事件观察中
论文提出DAR：GUI世界模型中直接动作排序优于预测评估
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Sizhe Tang等作者发布论文（arXiv:2610.24372），针对GUI世界模型常用于评估动作决策价值的做法提出质疑，并给出替代方案Direct Action Ranking（DAR）：直接从参考动作学习对候选动作排序，无需生成未来屏幕。在匹配监督的比较中，预测得到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；依赖预测的所有配置表现低于提案器自身的置信度。 基于论文摘要：无需重训练，DAR在AndroidWorld任务成功率上跨三个提案器提升5.8–16.4个百分点，优于世界模型前瞻式评估，并能零样本迁移到未见应用。
AI 根据报道生成 · 2 天前更新
最新进展10月20日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIGUI世界模型超越下一屏预测：直接动作排序的决策价值评估
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。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 610月21日 04:00
- 近 24 小时变化
- -49%
02468
06:0012:0018:0010月22日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。