arXiv · Machine Learning· Gyubeum Lim, Yemo Koo, Ghunwoo Jang, Zsolt Kira·· 13 小时前AI 评分55
AndroidFlux评估移动端多模态智能体的故障恢复能力并进行奖励建模
AndroidFlux: Evaluating and Reward Modeling Failure Recovery Capabilities in Mobile Use Multimodal Agents
AI 导读
研究团队提出 AndroidFlux，一套基于 AndroidWorld 的基准，用于评估移动端多模态智能体从中间错误中恢复的能力。它在首次可恢复错误前、错误发生时和错误后设置受控检查点，并通过后续执行结果评估恢复动作偏好；团队还发布了一个离线强化学习数据集。评测显示，恢复表现与干净起始状态下的任务成功率仅部分相关，显式推理只对经过 GUI 领域专用强化学习训练的模型有帮助。
来源：arXiv · Machine Learning · arxiv.org