MobileWorld
PulseAugur coverage of MobileWorld — every cluster mentioning MobileWorld across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新研究推动机器人世界模型以实现高效规划和控制 · 已追踪 10 个来源
近期研究探索了用于机器人和智能体规划的世界动作模型（WAMs）的进展。WAM-Cache 和 WAMJET 通过优化键值重用和采用智能体约束来识别和优化瓶颈，专注于加速推理，在不影响动作质量的情况下实现了显著的加速。MobileWorldBench 为 GUI 智能体的语义世界模型引入了一个基准和数据集，超越了像素预测，实现了自然语言状态转换。Tempo 和 COSTGRAD 为潜在世界模型提供了新的规划目标和令牌选择方法，提高了长时…
-
新的GMA基准测试揭示了当前移动AI助手的局限性
一项名为GMA的新基准测试已被开发出来，用于评估通用移动AI助手在复杂真实场景中的表现。GMA包含七个应用程序和300个任务，涵盖四个难度级别，旨在比AndroidWorld和MobileWorld等现有基准测试捕捉到更多的多样性和复杂性。对八个前沿模型的评估显示，随着任务复杂性的增加，性能显著下降，表明当前的代理距离可靠满足用户需求还有很长的路要走。研究还强调，适当的工具设计，如上下文保留和显式状态跟踪，可以显著提高代理在要求苛刻的…
-
新AI助手框架增强GUI交互和自我进化能力
研究人员推出KnowAct-GUIClaw，一个旨在通过增强个人AI助手跨平台图形用户界面（GUI）交互能力的新框架。该框架旨在通过整合自进化记忆和技能库来克服现有代理框架的局限性，使助手能够从用户交互中学习并随着时间的推移提高任务执行能力。实验表明，KnowAct-GUIClaw，特别是当利用Kimi-2.6模型时，在MobileWorld等基准测试中表现优于其他代理框架和闭源模型，展示了卓越的效率和跨平台适应性。
-
新的UI-MOPD方法支持跨平台GUI代理学习 · 已追踪3个来源
研究人员开发了UI-MOPD，一种用于训练可在多个平台上运行的GUI代理的新颖方法。该方法解决了跨平台数据稀缺以及在适应新平台的同时保持现有平台性能的挑战。UI-MOPD利用多教师策略内蒸馏，动态选择特定平台的教师来转移知识并防止灾难性遗忘。在OSWorld和MobileWorld上的实验分别证明了该方法的有效性，任务成功率分别为38.2%和12.0%。
-
新方法通过更好的上下文和无标注学习增强移动GUI智能体 · 跟踪2个来源
两篇新研究论文介绍了改进移动GUI智能体能力的创新方法。MemGUI-Agent专注于主动上下文管理，通过将上下文维护视为一等操作来处理长时序任务，在应用切换过程中保留关键信息。而MobileForge则通过整合真实应用交互和分层反馈引导策略优化，实现了这些智能体的无标注适应，减少了对人工监督的需求。