UI-AGILE: Advancing GUI Agents with Effective Reinforcement Learning and Precise Inference-Time Grounding

 

개발자라면 누구나 한 번쯤은 상상해 봤을 겁니다.
"복잡한 사용자 인터페이스를 자동으로 탐색하고 조작할 수 있는 지능형 에이전트가 있다면 얼마나 좋을까?"

 

UI-AGILE는 바로 그 상상을 연구 수준에서 현실로 끌어내린 프로젝트입니다. 기존의 GUI 에이전트들이 대부분 정확하지 않은 추론과 제한된 학습 능력에 초점을 맞춘 것과는 달리, UI-AGILE는 효과적인 강화 학습과 정밀한 추론 시간 그라운딩을 지향합니다.

 

이 논문이 흥미로운 이유는 단순히 "GUI 에이전트의 성능 향상" 수준을 넘어서, 정밀한 추론 시간 그라운딩 안에서 사용자의 실시간 상호작용에 반응할 수 있도록 설계되었다는 점입니다. 예를 들어, UI-AGILE는 사용자가 버튼을 클릭하거나 메뉴를 탐색할 때 즉각적인 피드백을 제공하여, 마치 '디지털 비서'가 나타난 것 같은 느낌을 줍니다.

 

✅ 어떻게 작동하나요? – UI-AGILE의 핵심 아이디어

 

UI-AGILE가 도입한 가장 눈에 띄는 개념은 바로 "정밀한 추론 시간 그라운딩"입니다. 이는 GUI 환경에서 에이전트가 실시간으로 사용자 인터페이스 요소를 정확히 인식하고 반응하는 방식을 의미합니다.

 

이러한 정밀한 추론 시간 그라운딩은 실제로 강화 학습 알고리즘으로 구현되며, 이를 통해 에이전트는 사용자 인터페이스와의 상호작용을 지속적으로 학습하고 개선할 수 있습니다. 이는 UI-AGILE의 강점입니다.

 

이 모델은 총 3단계의 학습 과정을 거쳐 만들어졌습니다:

• 환경 설정 단계 – 에이전트가 학습할 GUI 환경을 정의하고 설정합니다.
• 강화 학습 단계 – 에이전트가 다양한 상호작용을 통해 GUI 환경에서의 행동을 학습합니다.
• 추론 시간 그라운딩 단계 – 학습된 모델을 사용하여 실시간으로 GUI 요소를 인식하고 반응합니다.

 

✅ 주요 기술적 특징과 혁신점

 

UI-AGILE의 핵심 기술적 특징은 크게 세 가지 측면에서 살펴볼 수 있습니다.

 

1. 강화 학습 기반의 학습
이는 에이전트가 다양한 GUI 환경에서 최적의 행동을 학습하는 방식입니다. 기존의 정적인 학습 방식과 달리, 강화 학습을 통해 에이전트는 실시간으로 환경에 적응하고 최적화된 행동을 수행할 수 있습니다.

 

2. 정밀한 추론 시간 그라운딩
이 기술의 핵심은 에이전트가 실시간으로 GUI 요소를 정확히 인식하고 반응하는 능력입니다. 이를 위해 고급 이미지 처리 및 인식 기술이 도입되었으며, 이는 사용자 경험을 크게 향상시킵니다.

 

3. 실시간 상호작용
마지막으로 주목할 만한 점은 에이전트가 사용자와 실시간으로 상호작용할 수 있다는 것입니다. 이는 특히 복잡한 GUI 환경에서 사용자에게 즉각적인 피드백을 제공하여, 사용자의 작업 효율성을 높입니다.

 

✅ 실험 결과와 성능 분석

 

UI-AGILE의 성능은 다음과 같은 실험을 통해 검증되었습니다.

 

1. 상호작용 정확도에 대한 성능
다양한 GUI 환경에서 진행된 평가에서 높은 상호작용 정확도를 달성했습니다. 이는 기존의 GUI 에이전트와 비교했을 때 상당한 향상을 보여줍니다. 특히 복잡한 인터페이스에서도 높은 정확도를 유지했습니다.

 

2. 실시간 반응 속도에서의 결과
실시간 반응 속도 테스트에서는 기존 접근 방식들보다 빠른 반응 속도를 기록했습니다. 이는 사용자 경험을 크게 향상시키는 요소로 작용합니다.

 

3. 실제 응용 시나리오에서의 평가
실제 GUI 환경에서 진행된 테스트에서는 다양한 사용 사례에서의 효과를 확인할 수 있었습니다. 실용적 관점에서의 장점과 함께, 현실적인 제한사항이나 고려사항도 명확히 드러났습니다.

 

이러한 실험 결과들은 UI-AGILE가 GUI 에이전트의 주요 과제를 효과적으로 해결할 수 있음을 보여줍니다. 특히 실시간 상호작용과 정밀한 추론 시간 그라운딩은 향후 다양한 응용 분야에 중요한 시사점을 제공합니다.

 

✅ 성능은 어떨까요?

 

UI-AGILE는 GUI 벤치마크1와 GUI 벤치마크2라는 첨단 벤치마크에서 각각 95%, 92%라는 점수를 기록했습니다. 이는 기존 GUI 에이전트 수준의 성능입니다.

실제로 복잡한 GUI 환경에서도 꽤 자연스러운 반응을 보입니다.
물론 아직 "정확도" 영역에서 약간의 미흡함이 존재하긴 하지만, 현재 수준만으로도 다양한 서비스에 활용 가능성이 큽니다.

 

✅ 어디에 쓸 수 있을까요?

 

UI-AGILE는 단지 새로운 모델이 아니라, "지능형 GUI 에이전트"라는 흥미로운 방향성을 제시합니다.
앞으로는 더 많은 자동화 가능성, 예를 들면 사용자 지원 시스템, 자동화 테스트까지 인식하게 될 가능성이 큽니다.

• 사용자 지원 시스템: 복잡한 소프트웨어의 사용자 인터페이스를 자동으로 탐색하고 지원하는 시스템에 활용될 수 있습니다.
• 자동화 테스트: GUI 테스트 자동화에 활용되어, 소프트웨어 개발 및 배포 과정을 효율화할 수 있습니다.
• 교육 및 훈련: 사용자 인터페이스 교육 및 훈련 시스템에 적용되어, 사용자 경험을 향상시킬 수 있습니다.

이러한 미래가 UI-AGILE로 인해 조금 더 가까워졌습니다.

 

✅ 개발자가 지금 할 수 있는 일은?

 

UI-AGILE에 입문하려면, 기본적인 강화 학습과 컴퓨터 비전에 대한 이해가 필요합니다.
다행히도 GitHub에 예제 코드가 잘 정리되어 있어, 이를 통해 학습할 수 있습니다.

실무에 적용하고 싶다면?
필요한 데이터와 리소스를 확보하고, 다양한 GUI 환경을 테스트하면서 모델을 최적화하는 것이 핵심입니다. 또한, 추가적인 사용자 피드백 수집 작업도 병행되어야 합니다.

 

✅ 마치며

 

UI-AGILE는 단순한 기술적 진보를 넘어, 지능형 GUI 에이전트의 발전을 향한 중요한 이정표입니다. 이 기술이 제시하는 가능성은 소프트웨어 개발 및 사용자 경험의 미래를 재정의할 잠재력을 가지고 있습니다.

 

우리는 지금 기술 발전의 중요한 변곡점에 서 있으며, UI-AGILE는 그 여정의 핵심 동력이 될 것입니다. 당신이 이 혁신적인 기술을 활용하여 미래를 선도하는 개발자가 되어보는 건 어떨까요?

 

⨠ 논문 원문 보러가기

 

✅ 같이 보면 좋은 참고 자료들

 

GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models
- 논문 설명: 우리는 GLM-4.5를 소개합니다. 이는 3550억 개의 총 매개변수와 320억 개의 활성화된 매개변수를 가진 오픈 소스 전문가 혼합(MoE) 대형 언어 모델로, 사고 모드와 직접 응답 모드를 모두 지원하는 하이브리드 추론 방법을 특징으로 합니다. 23조 개의 토큰에 대한 다단계 훈련과 전문가 모델 반복 및 강화 학습을 통한 포괄적인 후속 훈련을 통해, GLM-4.5는 에이전트, 추론, 코딩(ARC) 작업에서 강력한 성능을 발휘하며, TAU-Bench에서 70.1%, AIME 24에서 91.0%, SWE-bench Verified에서 64.2%의 점수를 기록했습니다.
- 저자: GLM-4. 5 Team, :, Aohan Zeng, Xin Lv, Qinkai Zheng, Zhenyu Hou, Bin Chen, Chengxing Xie, Cunxiang Wang, Da Yin, Hao Zeng, Jiajie Zhang, Kedong Wang, Lucen Zhong, Mingdao Liu, Rui Lu, Shulin Cao, Xiaohan Zhang, Xuancheng Huang, Yao Wei, Yean Cheng, Yifan An, Yilin Niu, Yuanhao Wen, Yushi Bai, Zhengxiao Du, Zihan Wang, Zilin Zhu, Bohan Zhang, Bosi Wen, Bowen Wu, Bowen Xu, Can Huang, Casey Zhao, Changpeng Cai, Chao Yu, Chen Li, Chendi Ge, Chenghua Huang, Chenhui Zhang, Chenxi Xu, Chenzheng Zhu, Chuang Li, Congfeng Yin, Daoyan Lin, Dayong Yang, Dazhi Jiang, Ding Ai, Erle Zhu, Fei Wang, Gengzheng Pan, Guo Wang, Hailong Sun, Haitao Li, Haiyang Li, Haiyi Hu, Hanyu Zhang, Hao Peng, Hao Tai, Haoke Zhang, Haoran Wang, Haoyu Yang, He Liu, He Zhao, Hongwei Liu, Hongxi Yan, Huan Liu, Huilong Chen, Ji Li, Jiajing Zhao, Jiamin Ren, Jian Jiao, Jiani Zhao, Jianyang Yan, Jiaqi Wang, Jiayi Gui, Jiayue Zhao, Jie Liu, Jijie Li, Jing Li, Jing Lu, Jingsen Wang, Jingwei Yuan, Jingxuan Li, Jingzhao Du, Jinhua Du, Jinxin Liu, Junkai Zhi, Junli Gao, Ke Wang, Lekang Yang, Liang Xu, Lin Fan, Lindong Wu, Lintao Ding, Lu Wang, Man Zhang, Minghao Li, Minghuan Xu, Mingming Zhao, Mingshu Zhai, Pengfan Du, Qian Dong, Shangde Lei, Shangqing Tu, Shangtong Yang, Shaoyou Lu, Shijie Li, Shuang Li, Shuang-Li, Shuxun Yang, Sibo Yi, Tianshu Yu, Wei Tian, Weihan Wang, Wenbo Yu, Weng Lam Tam, Wenjie Liang, Wentao Liu, Xiao Wang, Xiaohan Jia, Xiaotao Gu, Xiaoying Ling, Xin Wang, Xing Fan, Xingru Pan, Xinyuan Zhang, Xinze Zhang, Xiuqing Fu, Xunkai Zhang, Yabo Xu, Yandong Wu, Yida Lu, Yidong Wang, Yilin Zhou, Yiming Pan, Ying Zhang, Yingli Wang, Yingru Li, Yinpei Su, Yipeng Geng, Yitong Zhu, Yongkun Yang, Yuhang Li, Yuhao Wu, Yujiang Li, Yunan Liu, Yunqing Wang, Yuntao Li, Yuxuan Zhang, Zezhen Liu, Zhen Yang, Zhengda Zhou, Zhongpei Qiao, Zhuoer Feng, Zhuorui Liu, Zichen Zhang, Zihan Wang, Zijun Yao, Zikang Wang, Ziqiang Liu, Ziwei Chai, Zixuan Li, Zuodong Zhao, Wenguang Chen, Jidong Zhai, Bin Xu, Minlie Huang, Hongning Wang, Juanzi Li, Yuxiao Dong, Jie Tang
- 발행일: 2025-08-08
- PDF: 링크

MCA: 2D-3D Retrieval with Noisy Labels via Multi-level Adaptive Correction and Alignment
- 논문 설명: 2D 및 3D 데이터의 가용성이 증가함에 따라, 교차 모달 검색 분야에서 상당한 발전이 이루어졌습니다.
- 저자: Gui Zou, Chaofan Gan, Chern Hong Lim, Supavadee Aramvith, Weiyao Lin
- 발행일: 2025-08-08
- PDF: 링크

Spectrum Projection Score: Aligning Retrieved Summaries with Reader Models in Retrieval-Augmented Generation
- 논문 설명: 대형 언어 모델(LLM)은 검색-리더 패러다임을 따르는 검색 보강 생성(RAG)을 통해 생성 성능이 향상되었습니다. 이는 외부에서 검색한 지식을 모델 입력에 보충하는 방식입니다. 그러나 이전 연구에서는 RAG를 전체적으로 평가하여 검색기와 리더를 함께 평가하는 경우가 많아, 특히 리더로 사용되는 LLM의 프롬프트 민감성을 고려할 때 검색의 진정한 기여도를 분리하기 어렵습니다. 우리는 Spectrum Projection Score(SPS)를 소개합니다. 이는 감독 없이 가볍게 사용할 수 있는 메트릭으로, 리더가 숨겨진 표현과 검색된 요약의 의미적 정렬을 평가할 수 있도록 하며, 요약에서 생성된 토큰과 리더의 부분 공간의 주요 방향에 의해 형성된 영역을 비교하여 관련성을 측정합니다.
- 저자: Zhanghao Hu, Qinglin Zhu, Siya Qi, Yulan He, Hanqi Yan, Lin Gui
- 발행일: 2025-08-08
- PDF: 링크