移动 GUI 智能体的实用化部署：基于验证器驱动的方法
人工智能
2026-02-24 v5
摘要
我们提出了 V-Droid，一个移动 GUI 任务自动化智能体。不同于以往使用大语言模型 (LLM) 作为生成器在每一步直接生成动作的移动智能体，V-Droid 采用 LLM 作为验证器来评估候选动作后再做最终决定。为实现这一新范式，我们引入了构建验证器驱动移动智能体的完整框架：离散化动作空间构建搭配仅使用填充流程加速验证过程、成对进度偏好训练以显著提升验证器的决策能力，以及可扩展的人类-智能体联合标注方案以高效规模收集必要数据。V-Droid 在多个公开移动任务自动化基准测试中获得了显著的任务成功率：在 AndroidWorld 上为 59.5%，在 AndroidLab 上为 38.3%，在 MobileAgentBench 上为 49%，分别超越现有智能体 5.2%、2.1% 和 9%。此外，V-Droid 实现了每步仅 4.3 秒的极低延迟，这比现有移动智能体快 6.1 倍。源代码地址为 https://github.com/V-Droid-Agent/V-Droid。
关键词
引用
@article{arxiv.2503.15937,
title = {Advancing Mobile GUI Agents: A Verifier-Driven Approach to Practical Deployment},
author = {Gaole Dai and Shiqi Jiang and Ting Cao and Yuanchun Li and Yuqing Yang and Rui Tan and Mo Li and Lili Qiu},
journal= {arXiv preprint arXiv:2503.15937},
year = {2026}
}
备注
"V-Droid: Advancing Mobile GUI Agent Through Generative Verifiers", got accepted to MobiCom 2026