FedGUI：面向异构平台、设备和操作系统的联邦GUI智能体基准测试
多智能体系统
2026-04-17 v1
摘要
传统集中式方法训练GUI智能体面临高成本和可扩展性挑战。联邦学习(FL)提供了有前景的解决方案，但由于缺乏能捕捉真实世界跨平台异构性的基准测试，其潜力受到限制。为弥合这一差距，我们引入FedGUI——第一个全面基准，用于在移动、Web和桌面平台上开发和评估联邦GUI智能体。FedGUI提供六套精选数据集，系统性地研究四种关键异构性类型：跨平台、跨设备、跨OS和跨源。大量实验揭示了几个关键见解：首先，我们表明跨平台协作可提升性能，将先前仅针对移动设备的联邦学习扩展到多样化的GUI环境；其次，我们证明存在不同的异构性维度，并识别出平台和OS是最具影响力的因素。FedGUI为社区构建更可扩展、隐私保护的GUI智能体提供了重要基础。我们的代码和数据已公开available at https://github.com/wwh0411/FedGUI..
引用
@article{arxiv.2604.14956,
title = {FedGUI: Benchmarking Federated GUI Agents across Heterogeneous Platforms, Devices, and Operating Systems},
author = {Wenhao Wang and Haoting Shi and Mengying Yuan and Yiquan Lin and Panrong Tong and Hanzhang Zhou and Guangyi Liu and Pengxiang Zhao and Yue Wang and Siheng Chen},
journal= {arXiv preprint arXiv:2604.14956},
year = {2026}
}
备注
ACL 2026 Findings, Camera Ready