大型视觉语言模型赋予了 GUI 代理强大的界面理解和交互能力。然而，由于在训练过程中对特定领域软件操作数据的曝光不足，这些代理表现出显著的领域偏见，缺乏对特定应用程序操作工作流程和 UI 元素布局的熟悉度，从而限制了其在实际任务中的表现。研究提出了 GUIDE（通过教学视频驱动的专业知识去偏见），这是一个无需训练的即插即用框架，通过自动从网络教程视频中获取特定领域的专业知识，解决了 GUI 代理的...