AI Agent

MobilePA-Bench: Benchmarking Mobile Planner Agents on Complex Real-World Tasks

MobilePA-Bench：面向复杂真实世界任务的移动规划智能体基准测试

Yi Zhu, Xiongwei Wu, Qiyi Wang, Tingyu Qu, Jiajun Liu, Sihan Cao, Long Chen, Weigao Sun, Feida Zhu, Yiran Zhong, Steven Hoi

机构 * Alibaba（阿里巴巴） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；tool use(abstract)；planning(abstract)；agentic(abstract)

AI总结 该研究提出 MobilePA-Bench 基准，针对现有移动智能体评估基准的盲区，从多维度测试移动规划智能体，发现前沿 LLM 在移动场景中存在可靠性问题，该基准可用于诊断与加速可靠移动智能体开发。

WebMCP-Phalanx: Enforcing and Characterizing Trust Boundaries for Browser-Integrated LLM Agents

WebMCP-Phalanx：为浏览器集成的大语言模型智能体实施并刻画信任边界

Lin-Fa Lee, YI-YU Chang, Kuo-Hui Yeh

专题命中 GUI与网页智能体 ：agent(abstract)；tool use(abstract)；分类 cs.AI

AI总结 针对浏览器集成 LLM 智能体的安全风险，提出 WebMCP-Phalanx 双层架构，验证其可降低攻击成功率、阻断多数提示注入，仅少量工具返回攻击成功，任务效用未受明显影响。

Comments 8 pages, 1 figure, AAAI2027

WiCi: Wireless GPU Computing Infrastructure

WiCi：无线GPU计算基础设施

Yibin Shen, Wei Li, Kaiqiang Xu, Zili Meng

专题命中 GUI与网页智能体 ：agentic(abstract,abstract_cn)

AI总结 针对移动设备本地推理性能不足、云端推理成本高的问题，本文提出WiCi无线GPU计算基础设施，可让移动设备通过WiFi接入服务器级GPU，大幅提升推理性能并支持更大模型，性能接近服务器级GPU原生表现。

BrowserForge: Scaling Web Episode via Parallel Browser Sandboxes

BrowserForge：通过并行浏览器沙盒扩展网页交互序列数据规模

Fei Tang, Huawen Shen, Zhiqiong Lu, Zhengxi Lu, Pengyuan Lyu, Chengquan Zhang, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen

机构 * Zhejiang University（浙江大学） ； Tencent（腾讯） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.CL

AI总结 提出BrowserForge框架，通过并行浏览器沙盒从开放网络生成20余万条不同网站的网页交互轨迹，微调多模态模型后在两个基准任务上性能显著提升。

Evidence Blindness in Direct Corpus Interaction: Persistent Navigation with AtlasNav

直接语料库交互中的证据失明：基于AtlasNav的持久导航

Hongyu Guo, Zhiyu Zheng, Zhao Cao

专题命中 GUI与网页智能体 ：agentic(abstract)；分类 cs.AI

AI总结 针对直接语料库交互中存在的证据失明问题，提出AtlasNav框架，通过一次性构建语料库图谱实现自适应导航，在BrowseComp-Plus等数据集上提升了准确率并降低了推理成本。

Comments 27 pages, 7 figures. Code, data, and trajectories will be released

From Natural Language Requirements to Graphical User Interfaces: Automated Prototyping and Verification with Pretrained Language Models

从自然语言需求到图形用户界面：基于预训练语言模型的自动原型设计与验证

Kristian Kolthoff

专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.SE

AI总结 本研究针对将自然语言需求转化为GUI原型及GUI应用需求验证的两大挑战，提出基于预训练语言模型的自动化方法，可显著减少相关手动工作量。

Are Android GUI Agents Robust Against Runtime Anomalies? AnTrap: Evaluating Agents in Dynamic Adversarial Environments

Android GUI智能体对运行时异常是否具备鲁棒性？AnTrap：在动态对抗环境中评估智能体

Guo Gan, Yilun Zhao, Cong Chen, Jinbiao Wei, Tingyu Song, Zheyuan Yang, Lin Fu, Hong Zhou

机构 * Zhejiang University（浙江大学） ； Yale University（耶鲁大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tongji University（同济大学） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI

AI总结 本研究针对Android GUI智能体抗运行时异常鲁棒性不足的问题，提出AnTrap基准评估框架，发现16款领先GUI模型普遍受动态异常影响，且深度上下文陷阱暴露模型内在局限性。

AeroDPO: Unleashing Lightweight UAV Navigation with High-Fidelity Perception and Automated Preference Optimization

AeroDPO：释放具备高保真感知与自动偏好优化的轻量级无人机导航能力

Peng Xu, Chengcheng Wang, Shaohua Wan

专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出AeroDPO，通过高保真感知与自动偏好优化，使20亿参数轻量级无人机导航模型达到70亿参数模型的成功率，同时降低分布外场景碰撞率，成为自主空中智能体新SOTA。

Comments 7 pages, 3 figures, 4 tables, Code is available at: [ this https URL (https://github.com/XuPeng23/AeroDPO) ]

IMAC-AgriVLN: Can Agricultural Vision-and-Language Navigation Agents be Aware of Instruction Mistakes?

IMAC-AgriVLN：农业视觉与语言导航智能体能否意识到指令错误？

Xiaobei Zhao, Xingqi Lyu, Xin Chen, Xiang Li

机构 * China Agricultural University（中国农业大学） ； China Agricultural University-Sichuan Advanced Agricultural & Industrial Institute（中国农业大学-四川先进农业与工业研究院） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)

AI总结 针对农业VLN中指令可能错误的问题，提出A2A-MI基准和IMAC模块，通过分析指令与前方图像判断并纠正错误，显著提升导航性能。