研究人员调查了图形用户界面(GUI)训练环境对于开发有能力代理的必要完整性。他们的研究使用 MobileGym 环境和 Qwen3-VL-4B-Instruct 模型进行,分析了奖励覆盖率、数据覆盖率和特征覆盖率对代理性能的影响。他们发现,虽然减少奖励和数据覆盖率会负面影响成功率,但修剪不必要的特征实际上可以提高某些任务的性能。这促成了 MobileGym-Lite 的开发,它在修剪特征的同时保持完整的奖励和数据覆盖率,与完整环境相比,性能更好,构建成本更低。 AI
影响 提出了一种更有效的训练 GUI 代理的方法,有可能降低计算成本并提高性能。
排序理由 学术论文,详细介绍了训练 GUI 代理的新方法。[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 →