SmartAgent：面向网络世界的具身个性化智能体的链式用户思维（Chain-of-User-Thought）
人工智能
2025-02-19 v3
摘要
基于大视觉语言模型（LVLM）的具身智能体凭借多模态感知与推理能力，在自主交互真实或网络世界、辅助人们在复杂环境中做出智能决策方面表现出色。然而，现有工作通常以金色动作轨迹或面向理想任务的确定性目标进行优化。这一范式考虑了有限的用户导向因素，这可能是其在广泛个人助理应用中性能下降的原因。为解决这一问题，我们提出链式用户思维（Chain-of-User-Thought，COUT），一种新颖的具身推理范式，通过从基础动作思维到显式与隐式个性化偏好思维的思维链，将个性化因素融入自主智能体学习。为实现COUT，我们引入SmartAgent，一个感知网络环境并推理个性化需求的智能体框架，其流程包括：1）与图形用户界面（GUI）交互以访问项目池，2）根据先前动作生成用户显式需求，3）推荐项目以满足用户隐式需求。为展示SmartAgent的能力，我们还创建了一个全新的数据集SmartSpot，提供全阶段含个性化动作的环境。据我们所知，本工作是首次对COUT过程进行形式化，作为具身个性化智能体学习的初步尝试。我们在SmartSpot上的大量实验揭示了SmartAgent在一系列具身与个性化子任务中的功能。我们将在论文发布时于https://github.com/tsinghua-fib-lab/SmartAgent开源代码与数据。
引用
@article{arxiv.2412.07472,
title = {SmartAgent: Chain-of-User-Thought for Embodied Personalized Agent in Cyber World},
author = {Jiaqi Zhang and Chen Gao and Liyuan Zhang and Yong Li and Hongzhi Yin},
journal= {arXiv preprint arXiv:2412.07472},
year = {2025}
}