論文の概要: WaitLens: Temporal VLM-Based Adaptive Waiting for Industrial GUI Testing Agents

• arxiv url: http://arxiv.org/abs/2610.32482v1
• Date: Fri, 23 Oct 2026 10:54:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.500459
• Title: WaitLens: Temporal VLM-Based Adaptive Waiting for Industrial GUI Testing Agents
• Title（参考訳）: WaitLens: 産業用GUIテストエージェントのための時間的VLMベースの適応待ち行列
• Abstract要約: We propose WaitLens, which fine-tunes a lightweight VLM on GUI loading trajectories with annotated with wait end times。 WaitLensは待ち続けるかどうかを86.08%の精度で決定するが、背骨VLMは54.13%である。 We evaluation using recordings from Meituan's industrial testing pipeline shows that WaitLens reduce mean extra waiting after the interface is ready by 94.98%。
• 参考スコア（独自算出の注目度）: 11.9063049591828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Improving the efficiency of GUI testing agents is important for industrial deployment. Beyond LLM inference, fixed waiting between consecutive interactions introduces substantial overhead. Our industrial study reveals that fixed waiting accounts for 42.3% of the time within the sampled interaction intervals, comparable to the 54.8% spent on model calls. Moreover, 62.9% of the waiting time is spent after the GUI has already finished loading. Although prior studies have proposed adaptive waiting strategies, their reliance on app-specific data or platform-specific information limits their applicability across diverse industrial environments. To this end, we propose WaitLens, which fine-tunes a lightweight VLM on GUI loading trajectories annotated with waiting end times. We introduce temporal resampling to construct diverse training examples, enabling the model to learn varying GUI loading behaviors from temporal observations. Experiments show that WaitLens achieves 86.08% accuracy in deciding whether to keep waiting, compared with 54.13% for the backbone VLM. Our evaluation using recordings from Meituan's industrial testing pipeline shows that WaitLens reduces mean extra waiting after the interface is ready by 94.98% compared with a 20-second fixed wait.
• Abstract（参考訳）: GUIテストエージェントの効率性の向上は、産業展開において重要である。 LLM推論以外にも、連続する相互作用間の固定された待機は、かなりのオーバーヘッドをもたらす。 我々の産業調査によると、固定待ち時間はサンプル間相互作用間隔の42.3%であり、モデルコールに費やされた54.8%に匹敵する。 さらに、GUIがロードを完了した後は、待ち時間の62.9%が費やされている。 従来の研究では、アダプティブな待ち方策が提案されていたが、アプリ固有のデータやプラットフォーム固有の情報に依存しているため、様々な産業環境における適用性が制限されている。 そこで我々は,待ち時間にアノテートしたGUIロードトラジェクトリ上で,軽量なVLMを微調整するWaitLensを提案する。 各種トレーニング例を構築するために時間的再サンプリングを導入し、時間的観察から様々なGUI負荷動作を学習できるようにする。 実験の結果、ウェイトレンスが待ち続けるかどうかを判断する精度は86.08%、背骨VLMは54.13%であった。 We evaluation using recordings from Meituan's industrial testing pipeline shows that WaitLens reduce mean extra waiting after the interface is ready by 94.98% compared than a 20-second fixed wait。

関連論文リスト

• Stable Token-level Scheduling for Serverless LLM Inference [0.1784233255402269]
  大規模言語モデルの効率的なデプロイメントモデルとして、サーバレス推論が登場しています。 既存のアプローチは、主にトークンへの時間を最適化し、トークン間のレイテンシを見下ろしている。 バッチレベルではなくトークンレベルでの要求受け入れを規制するToken Window Pacing (TWP)を提案する。
  論文  参考訳（メタデータ） (2026-10-13T04:10:48Z)
• Learn Now, Use Next, Trust Later: Prequential Test-Time Learning for LLM Agents [55.440058537827134]
  StepLearnは、永続的な信頼から即時の使用を分離する非パラメトリックフレームワークである。 情報的な遷移を仮説に変え、次のステップを導く。 GPT-5-miniでの平均成功率は59.9%、84.0%、Qwen3.5-35B-A3Bで57.8%、88.1%である。
  論文  参考訳（メタデータ） (2026-09-28T08:06:03Z)
• Scaling Vision-Language Reward Learning for Robot Manipulation in Parallel Simulation [0.3823356975862005]
  本稿では,GPU並列ロールアウトをデータ対応ポリシー更新,単一要求優先ラベル付け,自動報酬安定化,代表画像サンプリングと組み合わせるシステムを提案する。 すべてのRAPIDコンポーネントを有効にすると、トレーニングは1回あたり19,840のAPIコールではなく896を使用して1.15時間で完了し、最終的な成功率は86.3%から98.7%に増加した。 これは8.0$times$エンドツーエンドのスピードアップと95.5%のAPI使用率の削減を意味する。
  論文  参考訳（メタデータ） (2026-09-18T13:36:33Z)
• UI-Mate: Advancing Open-Weight Foundation GUI Agents with In-Context Demonstrations [68.29650478987561]
  UI-Mateは、環境に根ざしたトレーニングスタックとコンテキスト内の実演学習を統合する基盤GUIエージェントである。 OSWorldでは77.0%、WindowsAgentArenaでは66.2%と評価された。
  論文  参考訳（メタデータ） (2026-08-16T20:59:59Z)
• SETA: Scaling Environments for Terminal Agents [49.686781072283814]
  強化学習のための検証可能な端末環境を生成するためのスケーラブルなフレームワークであるSETAを提案する。 SETA-Envは、これまでで最大4500以上の環境を含む、オープンソースの検証可能な端末RLデータセットです。
  論文  参考訳（メタデータ） (2026-07-12T19:40:27Z)
• IdleSpec: Exploiting Idle Time via Speculative Planning for LLM Agents [56.77101184011525]
  大規模言語モデル(LLM)ベースのエージェントは、反復的なツールコールと環境相互作用で多段階推論を活用することで複雑なタスクを解決する。 ほとんどのエージェントシナリオではアイドル時間が流行しているが、既存の作業では避けられないオーバーヘッドとして扱っている。 IdleSpecは、アイドル時間計算を利用してエージェントのパフォーマンスを向上させる、スケーラブルで汎用的な推論手法である。
  論文  参考訳（メタデータ） (2026-05-21T08:25:17Z)
• GUI-Libra: Training Native GUI Agents to Reason and Act with Action-aware Supervision and Partially Verifiable RL [64.8155693023222]
  オープンソースのネイティブGUIエージェントは、長い水平ナビゲーションタスクのクローズドソースシステムに遅れを取っている。 このギャップは、高品質でアクション整合性のある推論データが不足していることに起因している。 GUI-Libraは、これらの課題に対処する調整されたトレーニングレシピです。
  論文  参考訳（メタデータ） (2026-02-25T18:34:57Z)
• UI-Ins: Enhancing GUI Grounding with Multi-Perspective Instruction-as-Reasoning [51.54456545661045]
  本稿では,インストラクション・アズ・ア・推論(Instruction-as-Reasoning)パラダイムを導入し,インストラクションを動的解析経路として扱う。 これを実現するために,教師付き微調整と強化学習という2段階のトレーニングフレームワークを提案する。 得られたモデルであるUI-Ins-7BとUI-Ins-32Bは、5つの挑戦的なグラウンドベンチマークで最先端の結果を得る。
  論文  参考訳（メタデータ） (2025-10-23T07:18:32Z)
• LiveMind: Low-latency Large Language Models with Simultaneous Inference [9.795240210326346]
  大規模言語モデル(LLM)推論のための新しい低レイテンシ推論フレームワークであるLiveMindを紹介する。 計算処理を入力フェーズに再配置することで、レイテンシを大幅に削減できる。 このフレームワークは、モデルに対するストリーミングインプットの可視性を管理し、不完全なユーザインプットから推論したり、追加コンテンツを待つことができる。
  論文  参考訳（メタデータ） (2024-06-20T13:52:30Z)
• Correlated Time Series Self-Supervised Representation Learning via Spatiotemporal Bootstrapping [13.988624652592259]
  時系列分析は多くの実業界で重要な役割を担っている。 本稿では,個別インスタンスを対象とした時間段階表現学習フレームワークを提案する。 学習した表現の上に訓練された線形回帰モデルにより、ほとんどの場合、我々のモデルは最高のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-12T09:42:16Z)

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。