arXiv cs.CL· Gyubeum Lim, Yemo Koo, Ghunwoo Jang, Zsolt Kira·· 12 小时前AI 评分36
AndroidFlux：评估移动多模态智能体的故障恢复能力与奖励建模
AndroidFlux: Evaluating and Reward Modeling Failure Recovery Capabilities in Mobile Use Multimodal Agents
AI 导读
研究者提出 AndroidFlux，一个基于 AndroidWorld 构建的故障恢复基准，将录制的轨迹还原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和历史继续执行。
正文 · AI 翻译
摘要：移动端多模态智能体通常以从干净初始状态出发的任务成功率来评估，这无法单独衡量其从中间错误中恢复的能力。由于移动环境会动态变化，通用的移动端智能体必须能在意外状态和未见环境中稳健地完成任务。这要求知道智能体何时、何处出错，以及它能否从错误及后续状态中恢复。为评估这一能力，我们推出 AndroidFlux，这是一个基于 AndroidWorld 构建的失败恢复基准。AndroidFlux 将记录的轨迹恢复到首次可恢复错误之前、之时和之后的受控检查点，使不同智能体从相同的设备状态和历史继续执行。在这些检查点上，一个互补的奖励建模基准利用下游 rollout 结果评估恢复动作偏好。我们还发布了一个离线强化学习（RL）数据集，可同时提升错误恢复能力和整体任务成功率。我们的评估表明，恢复性能仅与干净启动成功率部分相关，并且显式推理仅对使用 GUI 领域特定 RL 训练的模型有帮助。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI）；计算与语言（cs.CL）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2610.34384 [cs.LG] |
| （或 arXiv:2610.34384v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.34384 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Gyubeum Lim [查看邮箱]
[v1]
2026年10月25日星期日 15:39:24 UTC（3,672 KB）
来源：arXiv cs.CL · arxiv.org