待验证50% 置信事实精确时间
GUI grounding是GUI智能体领域的基础任务，指给定自然语言指令，智能体在界面截图中定位对应可交互元素并输出坐标以执行点击。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
已验证GUI智能体技术底层依赖视觉语言模型的屏幕理解能力与动作规划模块协同：先对屏幕截图进行语义理解识别界面元素，再由规划模块生成具体指令序列执行69% 相似待验证GUI Agent通过截图理解屏幕状态并输出鼠标键盘操作指令，无需目标应用提供结构化接口67% 相似待验证对话式交互与传统 GUI 的融合可能是智能UI在短期内最现实的落地形态65% 相似待验证Intelligent UI能够根据对话意图在回答中动态生成按钮、滑块、交互式图表及可用的小工具63% 相似待验证GUI智能体的界面元素识别通常结合目标检测（Object Detection）定位UI组件位置和OCR文字识别读取界面文字两种技术63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098566API
curl https://kongchang.com/api/v1/knowledge/claims/1098566MCP
get_claim(id=1098566)