跳到正文
arXiv cs.AI· Pierre-Louis Favreau, Jean-Pierre Lo, Clement Guiguet, Charles Simon-Meunier, Nicolas Dehandschoewercker, Allen G. Roush, Judah Goldfeder, Ravid Shwartz-Ziv·· 4 小时前AI 评分58

Minitap 多智能体系统在 AndroidWorld 上通过任务分解达到 100% 通过率

Do Multi-Agents Dream of Electric Screens? Achieving 100% on AndroidWorld Through Task Decomposition

AI 导读

Minitap 团队提出多智能体系统 Minitap's mobile-use,在 AndroidWorld 的 116 个任务上取得 pass@3 100.0%(95% CI 96.8-100.0),pass^3 为 94.0%,平均成功率 98.0%。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:我们提出 Minitap 的 mobile-use,一个用于 Android UI 控制的多智能体系统,并在 AndroidWorld 的 116 个任务上对其进行评估,评估环境包括 Minitap 云设备基础设施中的 Android 模拟器、来自我们设备农场的真实 Pixel 7 手机以及原装模拟器。在全新的、留出的任务实例上(三个预先注册、开发期间从未使用过的种子),最终系统达到 pass@3 为 100.0%(95% CI 96.8-100.0);pass^3 为 94.0%(95% CI 89.7-97.4),平均成功率为 98.0%(95% CI 96.0-99.7)。Minitap 将每个任务分解到五个 LLM 智能体(规划、子目标跟踪、状态捕获、决策、执行)和确定性节点上,并采用从设备读回键入文本、基于设备证据验证目标以及检测重复失败的机制。对初始系统的研究测量了每个部分的贡献:仅移除分解会使成功率变化 -26.1 [-35.6, -16.7] 个百分点,这些机制合计比单一智能体增加 +11.7 [+2.2, +21.1] 个百分点,而决策智能体是唯一需要前沿模型的角色。随后我们通过通用改动提升可靠性,其中少数改动由目标的措辞触发。在 MobileMiniWoB++(另一个开发期间从未使用过的基准)上,最终系统比初始系统提升 7.1 个百分点(McNemar p = 0.035;95% CI -0.5 至 +14.7)。Minitap 是开源的:此 https URL
评论: 已被 NeurIPS 2026 Agents in the Wild: Safety, Security, and Beyond 接收
主题: 人工智能(cs.AI)
引用为: arXiv:2602.07787 [cs.AI]
  (或本版本的 arXiv:2602.07787v2 [cs.AI])
  https://doi.org/10.48550/arXiv.2602.07787

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Judah Goldfeder [查看电子邮件]
[v1] 2026 年 2 月 8 日周日 03:02:13 UTC(5,935 KB)
[v2] 2026 年 11 月 16 日周一 21:53:41 UTC(1,002 KB)

来源:arXiv cs.AI · arxiv.org