价格
面议
下载次数
0
点赞数
0
VideoGUI-Action 是 一个以“教学视频”为核心的 GUI 自动化基准，包含 86 个复杂任务（平均 22.7 步）、463 个子任务，覆盖 Photoshop、Stable Diffusion WebUI 等 11 款专业软件。基准采用“三层级”评估：高层规划（无文本，仅靠视觉还原流程）、中层规划（据截图+目标生成动作序列）、原子执行（精确点击/拖拽/输入）。实验显示，即使 GPT-4o 在高层规划上准确率也极低，凸显视觉中心 GUI 自动化的挑战性
| 来源类型 | API 接入 |
| 开源状态 | ❌ 非开源 |
| 授权协议 | other |
| 数据语言 | - |
| 数据量级 | - |
| 交付格式 | - |
| 仓库路径 | NUS/VideoGUI-Action |
| 公开状态 | 公开 |