Trail：用决策模型实现本地智能家居控制

Trail 用分层类型化决策实现本地智能家居控制，并报告了鲁棒性与记忆指标的提升。

资讯摘要

论文提出 Trail，一个完全本地运行的智能家居指令框架，用分层类型化决策替代开放式生成：从运行时设备注册表给出的候选中依次选择房间、设备和操作，保证动作有效，并可在无法可靠解析时按置信度弃权。作者还设计了结构化记忆模块，支持用户偏好、设备指代和多轮交互。为评估，作者扩展 HomeBench 生成 Trek-Base、Trek-Robust、Trek-Memory 三个数据集。

要点速读

1. Trail 从运行时设备注册表派生候选，按房间、设备、操作分层选择，避免生成无效动作，并支持置信度弃权。
2. 作者扩展 HomeBench，构建 Trek-Base（语言变化）、Trek-Robust（家居及描述变化）、Trek-Memory（多轮记忆）三个数据集。
3. 作者报告 Trail 在 Trek-Robust 上准确率 85.3%，微调 Qwen3.5-4B 基线为 69.8%；带记忆时依赖前轮请求的解决率为 75.6%，基线为 42.5%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。