近日，清华大学联合面壁智能团队发布了 AgentCPM-GUI —— 一个面向中文 APP 的端侧 GUI Agent，已在中文 Android 场景和开源 Benchmark 取得 SOTA 性能。

据介绍，与传统 Agent 相比，GUI Agent 更强调通过图形界面的窗口、按钮而非文本去执行用户指令进行交互，从而跳出单一的、固定的工作流，让非技术用户也能轻松地与复杂系统进行交互。

在 Agent 发展的多样化方向中，GUI Agent 作为一条重要分支，拓展了 Agent 应用的场景和形式。  

AgentCPM-GUI 通过高质量的 GUI Grounding 预训练，显著提升了模型对视觉界面元素的理解和定位能力。该模型在大规模中文安卓应用界面数据上进行预训练，覆盖了常见的按钮、输入框、标签、图标等通用 GUI 控件，具备较强的跨任务、跨应用泛化能力。

目前，AgentCPM-GUI 已开源了所有的 Benchmark 代码、数据和技术报告。

➤ 开源仓库：https://github.com/OpenBMB/AgentCPM-GUI

包含 SFT 训练代码、RFT 训练代码、评测脚本、中文 Grounding Benchmark、中文 Agent Benchmark