論文の概要: IntentScore: Intent-Conditioned Action Evaluation for Computer-Use Agents

• arxiv url: http://arxiv.org/abs/2604.05157v1
• Date: Mon, 06 Apr 2026 20:39:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.48045
• Title: IntentScore: Intent-Conditioned Action Evaluation for Computer-Use Agents
• Title（参考訳）: IntentScore:コンピュータ・ユース・エージェントに対するインテント・コンディションド・アクション・アセスメント
• Abstract要約: IntentScoreは、398KオフラインGUIインタラクションステップから候補動作のスコアを学習するプラン対応報酬モデルである。 Int IntentScore 97.5%は、ホールドアウト評価においてペアワイズ判別精度を達成する。 Int IntentScoreはタスク成功率を6.9ポイント改善し、不均一なオフライン軌道から学んだ報酬推定が未確認エージェントやタスク分布に一般化されることを示した。
• 参考スコア（独自算出の注目度）: 10.905829987425752
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer-Use Agents (CUAs) leverage large language models to execute GUI operations on desktop environments, yet they generate actions without evaluating action quality, leading to irreversible errors that cascade through subsequent steps. We propose IntentScore, a plan-aware reward model that learns to score candidate actions from 398K offline GUI interaction steps spanning three operating systems. IntentScore trains with two complementary objectives: contrastive alignment for state-action relevance and margin ranking for action correctness. Architecturally, it embeds each candidate's planning intent in the action encoder, enabling discrimination between candidates with similar actions but different rationales. IntentScore achieves 97.5% pairwise discrimination accuracy on held-out evaluation. Deployed as a re-ranker for Agent S3 on OSWorld, an environment entirely unseen during training, IntentScore improves task success rate by 6.9 points, demonstrating that reward estimation learned from heterogeneous offline trajectories generalizes to unseen agents and task distributions.
• Abstract（参考訳）: Computer-Use Agents (CUA) は、大規模な言語モデルを利用してデスクトップ環境でGUI操作を実行するが、アクション品質を評価せずにアクションを生成し、その後のステップでカスケードする不可逆的なエラーを引き起こす。 IntentScoreは、3つのオペレーティングシステムにまたがる398KオフラインGUIインタラクションステップから、候補動作のスコアを学習するプラン対応報酬モデルである。 IntentScoreは2つの相補的な目的を持つ列車である。 アーキテクチャ的には、各候補の計画意図をアクションエンコーダに組み込んで、類似のアクションを持つ候補同士の識別を可能にする。 IntentScoreはホールドアウト評価において97.5%のペアワイズ判別精度を達成する。 IntentScoreはOSWorld上のエージェントS3のリランカとしてデプロイされ、トレーニング中に完全に見えない環境であり、タスク成功率を6.9ポイント改善し、不均一なオフライン軌跡から学んだ報酬推定が未確認エージェントやタスク配布に一般化することを示した。

関連論文リスト

• DreamTrajectory: Trajectory-Guided Action Generation with World Model Alignment for Mobile Manipulation [33.046851310859495]
  本稿では,DreamTrajectoryについて述べる。 MS-HABでは、軌道誘導は平均的な成功率を32.3%から47.5%に引き上げ、テストタイムの改善を54.8%に引き上げている。 3つの実世界のモバイル操作タスクにおいて、対応する平均成功率は63.3%、81.7%、90.0%である。
  論文  参考訳（メタデータ） (2026-08-02T17:02:48Z)
• Desktop-Delta Bench: Do Computer-Use Models Understand Desktop GUI Transitions? [3.9561795512466413]
  現在のベンチマークは、主にエンドタスクの成功または単一フレームグラウンドを測定する。 推論、リモート入力、アプリのレンダリング、スクリーンショットキャプチャが非同期であるため、これは難しい。 オフラインのステップレベルベンチマークであるDesktop-Delta Bench (DDB)を紹介した。
  論文  参考訳（メタデータ） (2026-07-28T17:49:51Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• A History-Aware Visually Grounded Critic for Computer Use Agents [70.50900668601969]
  HiViGは、実際のGUIトラジェクトリで訓練されたマルチモーダル批評家を中心に構築されたテストタイムフレームワークである。 テスト時には、HiViGは批判者をポリシー決定ループに統合し、マクロアクション履歴を提供する。 Visually Grounded critiqueは、現在のスクリーンショットに対する生の実行座標を検証して、実行前にエラーをインターセプトする。
  論文  参考訳（メタデータ） (2026-06-09T16:39:10Z)
• Forecast-aware Gaussian Splatting for Predictive 3D Representation in Language-Guided Pick-and-Place Manipulation [4.711302998453154]
  Forecast-aware Gaussian Splatting (Forecast-GS)は,言語条件のロボット操作のための予測3D表現フレームワークである。 我々は、Cutter-to-Box、Apple-to-Bowl、Spnge-to-Trayなどの実世界のピック・アンド・プレイス操作タスクでForecast-GSを検証する。 自動候補選択を行うForecast-GSは、3つのタスクでそれぞれ21/25,23/25,16/25の成功率を達成する。
  論文  参考訳（メタデータ） (2026-05-11T18:48:26Z)
• IntentCUA: Learning Intent-level Representations for Skill Abstraction and Multi-Agent Planning in Computer-Use Agents [4.655926959889001]
  IntentCUAは,計画メモリによる長期実行の安定化を目的としたコンピュータ用フレームワークである。 Int Intentプロトタイプはサブグループ対応のスキルを取得し、部分的な計画にそれらを注入することで、冗長な再計画が削減される。 Int IntentCUAは、ステップ効率比0.91で74.83%のタスク成功率を達成した。
  論文  参考訳（メタデータ） (2026-02-19T03:42:15Z)
• When Actions Go Off-Task: Detecting and Correcting Misaligned Actions in Computer-Use Agents [50.5814495434565]
  この研究は、コンピュータ利用エージェント(CUA)における不整合検出を定義し、研究する最初の試みである。 実世界のCUAデプロイメントにおける3つの一般的なカテゴリを特定し、人間の注釈付きアクションレベルのアライメントラベルを用いたリアルな軌跡のベンチマークであるMisActBenchを構築した。 本稿では,実行前に不整合を検知し,構造化されたフィードバックによって繰り返し修正する,実用的で普遍的なガードレールであるDeActionを提案する。
  論文  参考訳（メタデータ） (2026-02-09T18:41:15Z)
• GTA1: GUI Test-time Scaling Agent [97.58177633084915]
  グラフィカルユーザインタフェース(GUI)は、ユーザ命令をアクションプロポーザルに順次分解することで、プラットフォーム(例えばLinux)間で自律的にタスクを完了させる。 本稿では,前述の textbfGUI textbfTest-time Scaling textbfAgent,すなわち GTA1 の課題について検討する。
  論文  参考訳（メタデータ） (2025-07-08T08:52:18Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• Uncertainty-aware Score Distribution Learning for Action Quality Assessment [91.05846506274881]
  行動品質評価(AQA)のための不確実性認識スコア分布学習(USDL)手法を提案する。 具体的には、異なる評価スコアの確率を記述したスコア分布に関連する事例として、アクションを考察する。 微粒なスコアラベルが利用できる状況下では、多パス不確実性を考慮したスコア分布学習法(MUSDL)を考案し、スコアの不整合成分を探索する。
  論文  参考訳（メタデータ） (2020-06-13T15:41:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。