NaturalGAIA：面向长期 horizon GUI 任务的可验证基准与分层框架
人工智能
2026-04-21 v4
摘要
尽管 LLM 驱动的 GUI 代理取得了显著进展，但该领域仍受到将高保真真实感与可验证评估准确性相容的挑战所限制。为此，我们引入 NaturalGAIA，一个基于真实世界人类 GUI 交互意图的可验证评估数据集。通过将逻辑因果路径与语言叙事解耦，它严格模拟自然的人类意图，具有认知非线性和情境依赖性特征。此外，我们提出 LightManus-Jarvis，一个分层协作框架，其中 LightManus 管理动态拓扑规划和情境演化，而 Jarvis 通过混合视觉-结构感知确保执行精确性。实验表明，我们的方法在加权路径成功率上达到 45.6%，显著优于最先进的基线（21.1%），同时将 token 消耗降低 75%，执行时间降低 76%。这些结果验证了宏观规划和微观执行范式在处理复杂自然化任务方面的有效性。我们的代码已公开 available at: https://github.com/KeLes-Coding/NatureGAIA。
引用
@article{arxiv.2508.01330,
title = {NaturalGAIA: A Verifiable Benchmark and Hierarchical Framework for Long-Horizon GUI Tasks},
author = {Zihan Zheng and Tianle Cui and Taoran Wang and Fengtao Wang and Jiahui Pan and Lewei He and Qianglong Chen},
journal= {arXiv preprint arXiv:2508.01330},
year = {2026}
}