연구진은 GUI 에이전트 학습을 위한 새로운 데이터 합성 프레임워크 SEE를 제안했어요. SEE는 UI 전환 그래프를 구축하고 계획 및 샘플링을 통해 다양한 다단계 경로를 생성하는 2단계 방식이에요.
SEE는 기존 방식의 한계를 극복하고, 14.8단계 평균 길이의 경로를 생성하며 불필요한 루프를 방지했어요.
SEE로 학습한 에이전트는 기존 방식 대비 과제 성공률과 새로운 화면에 대한 일반화 성능이 향상됐으며, 합성 코드와 데이터셋은 공개될 예정이에요.