arXiv · NLP· Gyubeum Lim, Yemo Koo, Ghunwoo Jang, Zsolt Kira·· 4 小时前AI 评分47
AndroidFlux：评估与奖励建模移动多模态智能体错误恢复能力
AndroidFlux: Evaluating and Reward Modeling Failure Recovery Capabilities in Mobile Use Multimodal Agents
AI 导读
研究团队提出 AndroidFlux 基准，用于评估移动多模态智能体在 Android 环境中的错误恢复能力，并构建了配套的奖励建模基准与离线强化学习数据集。 AndroidFlux 基于 AndroidWorld 构建，通过恢复记录轨迹至受控检查点，使不同智能体从相同设备状态和历史继续任务；奖励建模基准则评估恢复动作偏好。
来源：arXiv · NLP · arxiv.org