مقاله‌ی arXiv:2610.15765 · در صف خبرنامه
A Decade in a Day: Synthesizing Agent-Native Interfaces from Human-Oriented Software Evolution
یک دهه در یک روز: ساخت رابط‌های بومی ایجنت از روی تکامل نرم‌افزارهای انسان‌محور
- تاریخ
- (۱۹ مهر ۱۴۰۵) 2026-10-11 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Alan Wu, Wei Tao, Yiwen Guo
- برچسب لابراتوار
خلاصه‌ی فارسی
مسئله
ایجنت‌های مدل زبانی کاربران تازه‌ی مهمی برای برنامه‌های دسکتاپ شده‌اند، اما رابط‌های دسکتاپ برای کاربر انسانی یا توسعه‌دهنده طراحی شده‌اند و ایجنت باید کنترل‌های بصری را تفسیر کند یا عملیات سطح پایین نرم‌افزار را کشف و ترکیب کند. معلوم نیست کدام ویژگی‌های رابط استفاده‌ی ایجنت از نرم‌افزار را آسان‌تر می‌کند.
روش
نویسنده‌ها تکامل نرم‌افزار را منبع طبیعی تنوع رابط دیدند و بنچمارک DeskIF-Bench را با ۲۵۵ تسک تأییدشده با خروجی در شش برنامه‌ی دسکتاپ ساختند. با ثابت نگه‌داشتن تسک، ایجنت و تأییدکننده و تغییر نسخه‌ی نرم‌افزار، اثر تغییر رابط را سنجیدند. بر اساس ویژگی‌های یافته‌شده، چارچوب ANIS را ساختند که رابط‌های بومی ایجنت را از توانایی‌های برنامه‌های نصب‌شده تولید می‌کند.
یافته‌ها
- در دو مدل و شش برنامه، جدیدترین نسخه پیوسته از قدیمی‌ترین بهتر بود؛ تحلیل مسیرها سه ویژگی مؤثر را نشان داد: قابلیت کشف، دانه‌بندی و قابلیت مشاهده.
- در ارزیابی گسترده‌تر با ۳۶۸ تسک در هشت برنامه، رابط‌های اتمی موفقیت را نسبت به استفاده از SDK بومی با DeepSeek V4 Flash به اندازه‌ی ۳٫۸ و با Claude Haiku ۴٫۵ به اندازه‌ی ۳٫۵ واحد درصد بهتر کردند و مصرف توکن آنلاین را حدود ۷۳ درصد کم کردند.
- دستورهای سطح هدف موفقیت را به ۷۴٫۵ و ۶۷٫۴ درصد رساندند.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ ارزیابی به چند برنامه‌ی دسکتاپ و دو مدل محدود است.
چرا مهم است
به جای این‌که ایجنت را مجبور کنیم مثل انسان روی دکمه‌ها کلیک کند، می‌شود برای آن رابط مناسب ساخت. این کار نشان می‌دهد چنین رابطی را می‌شود خودکار ساخت و هم موفقیت را بالا می‌برد و هم هزینه را کم می‌کند.