arXiv · 机器人与计算机视觉· Li Gu, Zihuan Jiang, Zhixiang Chi, Huan Liu, Ziqiang Wang, Yuanhao Yu, Linqiang Guo, Yang Wang·· 14 小时前精选AI 评分78
AndroidWorld-Generalization:一项关于移动 GUI 代理中在线强化学习泛化能力的受控研究
How Far Does Online RL Generalize in Mobile GUI Agents? A Controlled Study with AndroidWorld-Generalization
AI 导读
该论文将移动环境形式化为上下文马尔可夫决策过程,构建了包含未见实例、模板和应用三个层级的上下文偏移基准 AndroidWorld-Generalization。研究发现,尽管强化学习在分布内提升了 UI-TARS-7B-SFT 和 Qwen3-VL-8B 等先验模型的性能,但随着泛化层级上升增益单调递减;而测试时自适应能有效恢复性能。作者开源了该基准、训练系统、配方及模型权重。
推荐理由
该研究量化了在线强化学习在移动 GUI 代理中的泛化边界,发现随着上下文偏移增加性能衰减,并验证了测试时自适应作为补充策略的有效性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org