论文提出GSAR奖励框架，用状态锚点提升GUI智能体RL训练效率。
资讯摘要
论文提出GSAR（Goal-State-Anchor Reward）强化学习奖励框架，用于视觉语言模型驱动的移动GUI智能体。该框架通过自演化数据合成，在执行任务过程中生成多个环境及多样任务与目标状态；状态锚定机制自动标注成功目标状态中与任务相关的UI元素作为参考锚点，在RL训练中提供可扩展的奖励信号。作者报告离线轨迹验证准确率超过90%，训练出的智能体在AndroidWorld及自建基准上表现良好。
要点速读
- 论文提出GSAR奖励框架，包含自演化数据合成与状态锚定机制，用于生成多样任务并自动标注参考锚点。
- 作者报告离线轨迹验证准确率超过90%，奖励信号表现最接近基于规则的方法。
- 使用该奖励框架训练的智能体在AndroidWorld和作者构建的基准上表现良好。
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 2026/11/5 08:00:38（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。