ANIS 从软件演进轨迹合成代理原生界面
10 月 11 日发布的 ANIS 用历史软件版本构造 DeskIF-Bench，并尝试把代理操作面自动收缩为可发现、原子且可验证的命令集合。
事件 原文发布 本站收录 最后核验
为什么值得关注
给代理暴露完整人类界面或底层 SDK 都可能带来过大的搜索空间。该研究把“生成什么界面”本身变成可用任务成功率和工件状态检验的优化问题。
技术细节
DeskIF-Bench 含 6 个应用的 255 个工件验证任务，以同一脚手架、任务和验证器比较历史版本。ANIS 又在 8 个应用、368 个任务上评估合成接口。作者报告：DeepSeek V4 Flash 的总体 pass@3 从原生 SDK 的 68.5% 提至原子接口的 72.3%，目标级接口为 74.5%；两种模型的令牌用量约降 73%–75%。代码与数据已公开。
适合哪些读者
设计代理工具面、桌面自动化基准和可验证生成式 UI 的研究与平台团队
原始来源
- ANIS authors / arXiv ↗arxiv.org
- Paper HTML — arXiv v1, 2026-10-11 ↗arxiv.org
- Official code repository ↗github.com
- DeskIF-Bench dataset ↗huggingface.co
修订与更正记录 (1)
— Historical backfill found outside the directory; paper, repository and dataset read, with results, limits and counterexamples preserved.