AgentCPM-GUI: 一个在设备上运行 Android 应用程序的 GUI 代理,通过强化微调提高推理能力,从而实现高效的任务执行。
AgentCPM-GUI: 一个在设备上运行 Android 应用程序的 GUI 代理,通过强化微调提高推理能力,从而实现高效的任务执行。
【English | 中文】
概述 • 快速入门 • Model • 评估数据 • Technical 报告
## 新闻 * [2025-06-03] 我们发布了 AgentCPM-GUI 的**技术报告**! 请点击 [这里](https://arxiv.org/abs/2506.01391) 查看。 * [2025-05-13] 我们已经开源了 **AgentCPM-GUI**，这是一款可运行中文和英文应用程序的设备端 GUI 代理，并配备了 RFT 增强的推理能力。 ## 概述 **AgentCPM-GUI** 是由 [THUNLP](https://nlp.csai.tsinghua.edu.cn)、中国人民大学和 [ModelBest](https://modelbest.cn/en) 联合开发的开源设备端 LLM 代理模型。它基于具有 80 亿个参数的 [MiniCPM-V](https://github.com/OpenBMB/MiniCPM-V)，接受智能手机屏幕截图作为输入，并自主执行用户指定的任务。主要特点包括： - **高质量的 GUI 定位** — 在大规模双语 Android 数据集上进行预训练，大大提高了常见 GUI 小组件（按钮、输入框、标签、图标等）的定位和理解能力。 演示案例 (1x 速度):暂无开放 Issues，或尚未同步最近议题。