FedGUI：跨异构平台、设备和操作系统对联合 GUI智能体 进行基准测试

使用传统的集中式方法训练 GUI智能体 面临着巨大的成本和可扩展性挑战。联邦学习（FL）提供了一种很有前途的解决方案，但由于缺乏捕捉现实世界、跨平台异构性的基准，其潜力受到阻碍。为了弥补这一差距，我们引入了 FedGUI，这是第一个用于跨移动、Web 和桌面平台开发和评估联合 GUI智能体 的综合基准。 FedGUI 提供了一套由六个精选数据集组成的套件，用于系统地研究四种关键类型的异构性：跨平台、跨设备、跨操作系统和跨源。大量的实验揭示了几个关键的见解：首先，我们证明跨平台协作可以提高性能，将之前的仅限移动设备的联合学习扩展到不同的 GUI 环境；其次，我们证明了不同异质性维度的存在，并将平台和操作系统确定为最有影响力的因素。 FedGUI 为社区构建更具可扩展性和隐私保护的 GUI智能体 以进行实际部署提供了重要的基础。我们的代码和数据可在 https://github.com/wwh0411/FedGUI 上公开获取。