Newest papers

LiveUIBench: Evaluating Agent as App Workflows

Tong Zhang, Yuxuan Cheng, Ruimin Zhang, Yun Peng, Tao Xie · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.27977 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Ứng dụng cung cấp các tính năng thuận tiện cho người dùng để hoàn thành các nhiệm vụ hàng ngày. Tuy nhiên, người dùng khác nhau có thể có yêu cầu khác nhau hoặc thậm chí mâu thuẫn đối với cùng một ứng dụng, trong khi yêu cầu của cùng một người dùng có thể thay đổi theo thời gian. Tùy chỉnh các ứng dụng được tạo ra bởi các cách tiếp cận agent-to-app hoặc UI-to-code có thể yêu cầu thay đổi thực hiện được tạo ra. Chúng tôi đề xuất Agent as App, một nhiệm vụ trong đó người dùng thể hiện yêu cầu của họ bằng ngôn ngữ tự nhiên và một đại lý tạo ra một ứng dụng cá nhân hóa trong khi tiếp tục cung cấp hành vi của nó trong khi sử dụng. Chúng tôi triển khai LiveUIAgent, tạo ra một tổ chức cụ thể kết nối giao diện người dùng, thông tin được lưu trữ và các hành động dịch vụ. Một

Machine translation (Meta M2M100); the English original follows.

Abstract

Applications provide convenient features for users to complete daily tasks. However, different users may have different or even conflicting requirements for the same application, while the requirements of the same user may change over time. Personalizing applications produced by agent-to-app or UI-to-code approaches can require changes to the generated implementation. We propose Agent as App, a task in which users express their requirements in natural language and an agent creates a personalized application while continuing to supply its behavior during use. We implement LiveUIAgent, which generates a task-specific orchestration connecting the user interface, saved information, and service actions. A shared agent runtime renders and updates the interface while carrying out the requested operations. Revising the orchestration and interface while reusing that runtime provides a lightweight basis for personalization as requirements evolve. We introduce LiveUIBench, a benchmark with diverse requirements and ordered interactions across personal services. The empirical findings show that the evaluated models struggle to complete these workflows reliably. Applications can satisfy many local checks while leaving the overall task unfinished, and greater partial coverage can coincide with fewer completed workflows.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Orchestration, Workflow, Personalization, Task (project management), Reuse

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange