iOSWorld
PulseAugur coverage of iOSWorld — every cluster mentioning iOSWorld across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的强化学习框架在 iOS 实时应用上训练 UI 代理，性能优于 Gemini 模型
研究人员开发了一个用于在 iOS 实时应用上训练 UI 导航代理的在线强化学习框架。该系统利用了一个规划代理和一个 UI 接地模型，并通过 LLM-as-a-Judge 进行奖励信号增强，以及一种名为 GiGPPO 的新颖的邻居条件值估计方法。该框架的性能显著优于监督微调和仅终端 RL 基线，展示了对 Android 环境的强大泛化能力，并与 Gemini 3.5 Flash 和 Gemini-3.1 Pro 等模型相比具有竞争力。
-
新的iOSWorld基准测试了AI代理在移动设备上的个性化能力
研究人员推出了iOSWorld，这是一个旨在评估AI代理在移动设备上个性化能力的新基准测试。该基准测试包含一个模拟的iOS环境，其中有26个相互关联的应用程序，可以存储用户特定的数据，如消息和财务记录。它包括133个任务，从单应用程序操作到需要记忆和个性化推理的复杂多应用程序场景。初步评估显示，即使是先进的模型也难以完成这些任务，最佳配置的整体准确率仅为52%。
-
新的iOSWorld基准测试评估个性化移动代理
研究人员推出iOSWorld，这是一个旨在评估iOS设备上个性化移动代理能力的新型基准测试。该基准测试首次在26个不同的应用程序中整合了持久的用户身份，使代理能够对交易、消息和财务活动等个人数据进行推理。iOSWorld包含133个任务，涵盖了单应用操作、复杂的多应用场景和个性化挑战。初步评估显示，即使是前沿模型，整体准确率也仅为52%，其中多应用任务的准确率尤其低，为37%。该基准测试及其相关代码已作为开源发布。