研究人员开发了一种新颖的方法，通过在四种模态上训练世界模型来增强移动GUI代理：增量文本、完整文本、基于扩散的图像和可渲染代码。这些模型在相关基准测试中取得了最先进的性能，证明了不同表示形式在预测行动后果方面的效用。研究发现，虽然可渲染代码为数据构建提供了高保真度，但基于文本的反馈对于在线执行更为稳健，并且生成的轨迹可以改善代理性能，尽管存在分布变化。 AI
影响 引入了一个新的移动GUI代理训练框架，有可能提高它们预测行动后果和执行复杂任务的能力。
排序理由 一篇学术论文的发表，详细介绍了AI代理的新方法和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
