arXiv · cs.AI · Long Zhang, Yuhan Chen, Chaoran Zhang, Wanxia Cao, Kun Huang, Pengzhi Gao, Wei Liu, Jian Luan, Chenliang Li, Lixin Zou · 5 小时前模型评分41
GSAR：面向移动 GUI 智能体的目标状态锚定奖励与自进化数据合成
GSAR: Goal-State-Anchor Rewards for Mobile GUI Agents with Self-Evolving Data Synthesis
导读
研究者提出 GSAR（Goal-State-Anchor Reward，目标状态锚定奖励）框架，用自进化数据合成生成多样任务与目标状态，并在成功目标状态中自动标注任务相关 UI 元素作为参考锚点，为在线强化学习提供可靠奖励信号。该框架在离线轨迹验证上准确率超过 90%，训练出的智能体在 AndroidWorld 和自建基准上表现良好，论文已被 EMNLP 2026 主会接收。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To overcome these challenges, we introduce GSAR (Goal-State-Anchor Reward), a RL reward framework that supports scalable task generation and delivers reliable reward signals for stable and efficient policy optimization.”
来源：arXiv · cs.AI · arxiv.org