简介
2026 年 10 月论文，将数据库工具执行与任务专属前端生成相结合。GenUI-Harness 提供沙箱交互采样和奖励审计，并通过覆盖十个领域的 UI-TAU Bench，检验生成式界面能否帮助 Agent 收集输入并完成数据库任务。
内容总结
GenUI-Harness 的新增价值：
1. 数据支撑的交互闭环：将检索与执行同界面生成分开，用控件澄清请求并收集结构化输入
2. 可执行任务评测：UI-TAU Bench 包含 300 任务 Lite 与 1,000 任务 Full；论文主要对照结果来自 Lite
3. 训练与交互证据：训练后的 4B 模型达到 58% Pass@3；选取 100 个任务的评审研究中，对话轮数从 3.4 降至 1.2
4. 评测局限明确：浏览器用户模拟器能看到源码与参考目标，人工比较筛选了持续可用的界面；结果不能直接代表普遍可用性
1. 数据支撑的交互闭环：将检索与执行同界面生成分开，用控件澄清请求并收集结构化输入
2. 可执行任务评测：UI-TAU Bench 包含 300 任务 Lite 与 1,000 任务 Full；论文主要对照结果来自 Lite
3. 训练与交互证据：训练后的 4B 模型达到 58% Pass@3；选取 100 个任务的评审研究中，对话轮数从 3.4 降至 1.2
4. 评测局限明确：浏览器用户模拟器能看到源码与参考目标，人工比较筛选了持续可用的界面；结果不能直接代表普遍可用性
标签
generative-uidata-grounded-uiui-tau-benchreinforcement-learninginteractive-agents