arXiv cs.AI· Alan Wu, Wei Tao, Yiwen Guo·· 3 天前AI 评分38
从人类软件演进合成智能体原生界面：DeskIF-Bench 与 ANIS 框架
A Decade in a Day: Synthesizing Agent-Native Interfaces from Human-Oriented Software Evolution
AI 导读
研究者提出 DeskIF-Bench，用 255 个跨 6 款桌面应用的任务，在固定任务、智能体与验证器的情况下改变软件版本，测量界面变化对 LLM 智能体表现的影响，结果显示最新版本始终优于最旧版本。
正文 · AI 翻译
摘要：大型语言模型智能体正逐渐成为桌面应用的一类重要新用户。然而，现有的桌面界面是为人类终端用户或应用开发者设计的，这使得智能体只能去解读可视化控件，或自行发现并组合底层软件操作。这种不匹配甚至会阻碍能力较强的智能体，但目前尚不清楚哪些界面属性能让桌面软件更易于智能体使用。为研究这一问题，我们将软件演进视为界面差异的自然来源，并提出了 DeskIF-Bench——一个涵盖六款桌面应用、包含 255 个经产物验证任务的基准测试。通过固定任务、智能体和验证器而仅改变软件版本，我们衡量界面变化如何影响智能体表现。在两种模型和六款应用上，最新版本始终优于最旧版本。轨迹分析识别出三个相关界面属性：可发现性、粒度和可观测性。在这些属性的指导下，我们开发了 ANIS，一个从已安装应用的能力中合成智能体原生界面的框架。在涵盖八款应用、368 个任务的扩展评估中，与原生 SDK 使用相比，原子界面在 DeepSeek V4 Flash 和 Claude Haiku 4.5 上分别将成功率提高了 3.8 和 3.5 个百分点，同时将在线 token 使用量减少约 73%。目标级命令进一步将成功率分别提升至 74.5% 和 67.4%。
| 学科： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.15765 [cs.SE] |
| （或使用 arXiv:2610.15765v1 [cs.SE] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.15765 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
发件人：Wei Tao [查看邮箱]
[v1]
2026年10月11日星期日 16:43:43 UTC（503 KB）
来源：arXiv cs.AI · arxiv.org