屏幕录制理解

GUIDE：面向开放式 GUI 任务中理解与辅助用户的基准

GUIDE: A Benchmark for Understanding and Assisting Users in Open-Ended GUI Tasks

为视觉研究者提供了一个屏幕录制序列上的行为状态识别与意图预测基准，可用于训练和评测多模态大模型对连续界面操作序列的时序理解与用户建模能力，并验证了结构化用户上下文对辅助决策的显著增益。