ClawGUI：用于训练、评估和部署 GUI智能体 的统一框架

GUI智能体 通过可视化界面而不是编程 API 来驱动应用程序，通过点击、滑动和击键与任意软件进行交互，从而达到基于 CLI 的代理无法达到的长尾应用程序。然而，这一领域进展的瓶颈与其说是建模能力，不如说是缺乏连贯的全栈基础设施：在线强化学习训练受到环境不稳定和封闭管道的影响，评估协议在工作中悄然漂移，训练有素的智能体很少接触到真实设备上的真实用户。我们提出了 \textbf{ClawGUI}，这是一个开源框架，可以在单个工具中解决这三个差距。 \textbf{ClawGUI-RL} 提供第一个开源 GUI智能体 RL 基础设施，对并行虚拟环境和真实物理设备提供经过验证的支持，将 GiGPO 与过程奖励模型集成以实现密集的步骤级监督。 \textbf{ClawGUI-Eval} 在 6 个基准和 11 多个模型上强制执行完全标准化的评估流程，相对于官方基准实现了 95.8% 的再现。 \textbf{ClawGUI-Agent} 通过具有混合 CLI-GUI 控制和持久个性化内存的 12 多个聊天平台，为 Android、HarmonyOS 和 iOS 带来训练有素的代理。在此管道中进行端到端训练后，\textbf{ClawGUI-2B} 在仅 MobileWorld GUI 上实现了 17.1\% 的成功率，比相同规模的 MAI-UI-2B 基线高出 6.0\%。