5亿视频炼出全球最大GUI开源数据集、推理Token省71%小模型反超大模型——小米AI团队多篇论文入选ICML 2026¶

Ch01.771 5亿视频炼出全球最大GUI开源数据集、推理Token省71%小模型反超大模型——小米AI团队多篇论文入选ICML 2026¶

📊 Level ⭐⭐ | 3.6KB | entities/xiaomi-icml-2026-11papers-da769794d77c.md

5亿视频炼出全球最大GUI开源数据集、推理Token省71%小模型反超大模型——小米AI团队多篇论文入选ICML 2026¶

→ 原文存档

深度分析¶

5亿视频炼出全球最大GUI开源数据集、推理Token省71%小模型反超大模型——小米AI团队多篇论文入选ICML 2026 涉及agent领域的核心技术议题。

核心观点¶

1. "元信息粗筛+视频内容细筛"两阶段流水线 2.
2. 从5亿条视频 → 420万条高质量教程 3.
3. Gemini-3-Pro 转为带任务指令、动作时间戳、屏幕坐标的结构化轨迹 产出：WildGUI — 全球最大开源 GUI 预训练数据集
4. 1270万条轨迹
5. 1.
6. 245亿张截图
7. 覆盖1500+应用与网站、五大平台 效果：MiMo-VL-7B 预训练后，OSWorld-G 达67.
8. 6分（超越 Qwen3-VL-32B 与 Seed1.

内容结构¶

• 5亿视频炼出全球最大GUI开源数据集、推理Token省71%小模型反超大模型——小米AI团队多篇论文入选ICML 2026
• 01 GUI Agent
• Video2GUI：5亿视频→全球最大开源 GUI 数据集
• GUIEvalKit：GUI Agent 统一评测框架
• CoME：Channel-of-Mobile-Experts
• 02 推理增强
• LED：恢复 RL 训练后推理模型的探索多样性
• VeriTime：时序推理 Token 省71%

技术要点¶

• agent架构: 本文在agent方向提出的设计理念与实现路径
• 工程挑战: 实际落地中面临的关键问题与应对策略
• architecture趋势: 相关技术演进方向与新兴范式

关联实体¶

• Karpathy 最新访谈从 Vibe Coding 到 Agentic Engineering
• Karpathy Vibe Coding Agentic Engineering
• 存之有序治之有矩Agent 记忆系统的工程实践与演进
• Scale Robot Reinforcement Learning With Nvidia Isaac Lab On
• Nvidia Isaac Lab Sagemaker Robot Rl Humanoid
• Openclaw 完全指南这可能是全网最新最全的系统化教程了32W字建议收藏

实践启示¶

1. 工程落地: agent领域方案需关注可观测性、可维护性和成本效率
2. 技术选型: 根据场景选择合适的技术栈，避免过度设计或盲目追新
3. 持续迭代: 建立数据驱动的反馈闭环，持续优化系统表现
4. 风险管控: 引入新技术需评估对现有系统稳定性的影响，做好降级预案