M$^2$-Miner：基于蒙特卡洛树搜索的移动 GUI 智能体数据挖掘
人工智能
2026-02-06 v1 计算机视觉与模式识别
摘要
图形用户界面 (GUI) 智能体是推动人机交互范式发展的关键技术。构建强大的 GUI 智能体需要对大量高质量用户行为轨迹数据（即意图-轨迹对）进行大规模标注以进行训练。然而，手动标注方法和当前的 GUI 智能体数据挖掘方法通常面临三个关键挑战：高昂的构建成本、数据质量差以及数据丰富性不足。为解决这些问题，我们提出了 M-Miner，这是第一个基于蒙特卡洛树搜索 (MCTS) 的低成本和自动化移动 GUI 智能体数据挖掘框架。为了提高数据挖掘的效率和质量，我们提出了由 InferAgent、OrchestraAgent 和 JudgeAgent 组成的协作多智能体框架，用于指导、加速和评估。为进一步提高挖掘效率并丰富意图多样性，我们设计了意图循环策略以提取额外有价值的交互轨迹。此外，引入了逐步模型内循环训练策略以提高数据挖掘的成功率。广泛的实验结果表明，使用我们挖掘的数据微调的 GUI 智能体在几个常用移动 GUI 框架上实现了最先进的性能。我们将将此工作公开，以促进社区研究。
引用
@article{arxiv.2602.05429,
title = {M$^2$-Miner: Multi-Agent Enhanced MCTS for Mobile GUI Agent Data Mining},
author = {Rui Lv and Juncheng Mo and Tianyi Chu and Chen Rao and Hongyi Jing and Jiajie Teng and Jiafu Chen and Shiqi Zhang and Liangzi Ding and Shuo Fang and Huaizhong Lin and Ziqiang Dang and Chenguang Ma and Lei Zhao},
journal= {arXiv preprint arXiv:2602.05429},
year = {2026}
}
备注
Accepted by ICLR 2026. Supplementary material is included at the end of the main paper (16 pages, 15 figures, 2 tables)