AI宝库

AI宝库首页 › AI 资讯 › OpenMobile-2 证明开源智能手机 agents可以对抗专有模式

OpenMobile-2 证明开源智能手机 agents可以对抗专有模式

来源:The Decoder · 发布时间:10-25 · 由 AI宝库每小时自动聚合

智能手机agents不会通过处理更多数据获得更好的效果。 他们通过对尽可能多的不同应用软件进行培训来改进。 OpenMobile-2背后的研究人员

OpenMobile-2 证明开源智能手机 agents可以对抗专有模式

关键点

- 开源 OpenMobile-2项目在超过110个模拟应用的环境下对AI智能手机agents进行列车。

- 应用多样性比数据量更重要。 有了同样数量的培训数据,应用程序数量的增加将未见的成功率从60.7%推到67.5%。

- 在真正的Android设备上,较大的型号在SPA-Bench上得分59.6分,是开放型号中最高的。

仅靠更多的数据并不能使智能手机agents更好。 以同样数量的数据,最重要的是agent列车上有多少不同的应用。

AI agents操作的应用软件主要通过实践学习,但他们需要的数据大多被锁定在大公司。 开放模式因此落后,撰写了南京大学,AI公司SenseTime等多所大学的研究人员。

OpenMobile-2是他们试图缩小这一差距的尝试。 他们释放了两款以Qwen3.5为主建的agent型号,配有90亿和Qwen3.6等参数,同时释放了完整的训练环境,数据,以及复制一切的指示。 作者说,他们的模型排名在目前智能手机agents中接近顶级。

为何110个应用软件的重建胜过真正的应用

有关真实应用的培训很痛苦,因为登录,真实购买,而且无法重设状态,使得这一过程昂贵而难以重复。 于是研究人员重建了主要在中国流行的35个应用软件,包括道宝,JD,DiDi和Meituan等,加上全球使用的Slack和Google Drive等服务。 结合Android模拟器中现有的模拟和应用程序运行,练习地覆盖了110多个应用。

人文评论员将被重建的应用与原作相提并论,并不断精炼,直到工作流程和界面相匹配。 命令、预算和旅行计划贯穿各会,数据可在应用程序之间通过剪贴板传递。 每一次模拟都会自动重回其起步状态,而agent只看到截图,无法访问内部应用数据,模仿一个人如何实际使用。

从这个设置中,团队产生了大约11,600个实例工作流程和超过2,000个练习任务,并进行自动化的成功检查。 Google's Gemini 3.1 (英语). Pro被作为产生实例的教师模型,这意味着OpenMobile-2正在有效地从一个封闭的系统中学习。

真电话的性能跳得最多

这两种模式都显示在既定的基准测试上有明显的收益。 在AndroidWorld上,更大的模型从67.1到79.9分跳出,而较小的则从54.3到74分。 前身OpenMobile-1在同一测试中打出64.7分。 在更硬的MobileWorld 基准测试上,它覆盖了跨越多个应用的更长的任务,更大的模型从35.9分提高到50.4分。

在真实的Android设备上最大的跳出显示,更大的型号从SPA-Bench上从31.9分攀升到59.6分。 研究者说,这是开放模型中最好的分数。

培训环境多样性不仅仅是这里的数据量。 研究者持有数据数量恒定,只增加了agent所应用的应用,这把未见应用的成功率从60.7%推到67.5%。 以同样的数据预算,应用品种比起少数应用程序的额外例子。

顶上强化学习只带来有限的收益,主要是在类似于培训设置的环境中。 在AndroidWorld上,更大的型号实际上在之后得分稍差,以79.9分而不是80.8分登陆。

直接命令让 agents 跳过菜单迷宫

研究的一个实验部分超越了敲打和打扫。 超过50个模拟应用提供了"添加到推车"等直接指令,因此agent可以通过菜单跳过导航,而agent则根据可用的条件在两种方法之间自由切换。

不过,单靠自己,这并没有多大帮助,因为模型往往忽略了没有定向训练的捷径。 一旦他们接受了有关他们的训练,agents就很好地使用它们,解决了高达10.3%多的任务,同时需要减少大约五个步骤。 研究人员说,这种能力也转移到训练期间从未遇到的模型的工具上。

在后期的强化学习阶段,每当跑步包括至少一个直接指令时,工具使用都会得到奖金因素,尽管奖励仍然取决于任务是否实际完成。 当agent报告成功时,惩罚被踢出,这不是真的。 这些接口目前仅存在于模拟应用中,研究者称该方法本身为实验。

部分结果出自团队以215项任务所构建的定制基准测试,其中近一半跨越多个应用。 任务完成不是由一个语言模型来判断,而是由一个程序来比较应用程序每次运行前后存储的数据。 提交人还检查了培训与测试任务之间的重叠,只发现一些小的相似之处。

Microsoft 时速研究已经将API agents归类为更可靠,GUI agents在2025年的研究中更灵活,指出移动应用是不存在外部接口的典型案例。 Oppo用它开放的agent X-OmniClaw使用不同的路线,它运行在真实的设备上,并且通过深链接重放之前在Taobao或Meituan等应用中显示的路径而不再通过菜单来点击。 在封闭型号中,Google已经将智能手机控制直接建入了Gemini 3.5 Flash.

AI News Without the Hype – 由人类治愈

订阅THE DECODER免费阅读,每周AI通讯,我们独家的"AI雷达"前沿报告每年6次,全面存档访问,访问我们的评论部分。

现在订阅

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(the-decoder.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 590 款 AI 工具分类导航 · 每日 AI 热门项目与动态