arXiv · AI· Long Zhang, Yuhan Chen, Chaoran Zhang, Wanxia Cao, Kun Huang, Pengzhi Gao, Wei Liu, Jian Luan, Chenliang Li, Lixin Zou·· 1 天前AI 评分26
GSAR：面向移动 GUI Agent 的目标状态锚点奖励与自演化数据合成框架
GSAR: Goal-State-Anchor Rewards for Mobile GUI Agents with Self-Evolving Data Synthesis
AI 导读
论文提出 GSAR 强化学习奖励框架，通过自演化数据合成生成多样化任务与环境，并以状态锚点机制提供可靠奖励信号。 该框架在离线轨迹验证中实现 90% 以上准确率，表现最接近基于规则的方法；使用该框架训练的 Agent 在 AndroidWorld 及自建 benchmark 上表现强劲。
来源：arXiv · AI · arxiv.org