多智能体是否能梦见电屏幕？通过任务分解实现 AndroidWorld 的百分百准确率
人工智能
2026-02-10 v1
摘要
我们提出了 Minitap，一个多智能体系统，实现了对 AndroidWorld 基准测试中全部 116 个任务的 100% 成功率，这是首个完全解决所有任务并超越人类水平（80%）的系统。我们首先分析了单智能体架构为何会失败：来自混合推理痕迹的上下文污染、被智能体 undetected 的静默文本输入失败，以及缺乏逃脱机制的重复动作循环。Minitap 通过针对性机制针对每一种失败情况进行解决：跨六个专门智能体的认知分离、对文本输入进行确定性后置验证以检测设备状态、以及能够检测循环并触发策略变化的元认知推理。消融实验表明，多智能体分解相对于单智能体基线贡献了 +21 分；验证执行贡献了 +7 分；元认知贡献了 +9 分。我们将 Minitap 作为开源软件发布。https://github.com/minitap-ai/mobile-use
关键词
引用
@article{arxiv.2602.07787,
title = {Do Multi-Agents Dream of Electric Screens? Achieving Perfect Accuracy on AndroidWorld Through Task Decomposition},
author = {Pierre-Louis Favreau and Jean-Pierre Lo and Clement Guiguet and Charles Simon-Meunier and Nicolas Dehandschoewercker and Allen G. Roush and Judah Goldfeder and Ravid Shwartz-Ziv},
journal= {arXiv preprint arXiv:2602.07787},
year = {2026}
}