GUI-RewardBench

新的交互式奖励代理在GUI任务评估中达到86.9%的准确率

研究人员开发了一种交互式奖励代理（IRA），旨在改进GUI代理的评估。该代理采用提议-验证框架，从环境状态中收集和确认证据，结合可见界面数据、系统配置和文件数据。IRA在新推出的GUI-RewardBench上达到了86.9%的准确率，该基准包含10个Ubuntu桌面应用程序类别的321个GUI任务轨迹。此外，当应用于GUI代理的强化学习时，IRA在OSWorld中促进了34.0%的成功率，证明了其在提供训练奖励信号方面的有效性。