이 논문은 arXiv:2603.26266(v1)로 공개됐고, 핵심은 자막 기반 Video-RAG예요

GUI 에이전트의 도메인 편향을, 모델 재학습 없이 웹 튜토리얼 영상만으로 줄이는 GUIDE가 나왔어요.

이 논문은 arXiv:2603.26266(v1)로 공개됐고, 핵심은 자막 기반 Video-RAG예요. 도메인 분류→토픽 추출→관련도 매칭의 3단계 검색으로 작업에 맞는 영상을 골라내거든요.

그다음 연속 키프레임과 UI 요소 검출 정보를 VLM에 넣어, 역동역학 방식으로 계획(planning)·그라운딩 지식을 자동 주석화해 에이전트 모듈에 주입해요. 학습 없이 붙였다 뗄 수 있는 플러그앤플레이 구조예요.

OSWorld 실험에서 단일 모델·멀티에이전트 모두 5% 이상 성능 향상과 실행 스텝 감소를 보였어요. 아키텍처를 안 바꾸고도 실사용 적응력을 올릴 수 있다는 점이 꽤 큰 시사점이에요.