新基准 AndroidFlux 专门评测移动智能体从错误中恢复的能力。
资讯摘要
论文提出 AndroidFlux，一个基于 AndroidWorld 的故障恢复基准，用于评估移动多模态智能体从中间错误状态恢复的能力。该基准将记录轨迹恢复到首次可恢复错误前、中、后的受控检查点，让不同智能体从相同设备状态与历史继续执行；并配套奖励建模基准，用下游 rollout 结果评估恢复动作偏好。作者还发布离线强化学习数据集，报告其可提升错误恢复与整体任务成功率。
要点速读
- AndroidFlux 基于 AndroidWorld 构建，将轨迹恢复到首次可恢复错误前、中、后的检查点，使不同智能体从同一设备状态与历史继续。
- 配套奖励建模基准以下游 rollout 结果评估恢复动作偏好，并发布用于提升错误恢复与整体任务成功率的离线 RL 数据集。
- 作者报告恢复表现与干净起点成功率仅部分相关，显式推理只对经 GUI 领域特定 RL 训练的模型有帮助。
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 2026/10/28 08:00:17（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。