AndroidLab – 清华和北大联合推出系统化评估Android智能代理的框架 | AI工具集

AndroidLab是什么

AndroidLab是用在训练和系统评估Android自主代理的框架，集成文本和图像模态操作环境，统一行动空间和可重现基准测试。AndroidLab支持大型语言模型和多模态模型，包含138个任务，覆盖九个应用。基于AndroidLab，开发Android指令数据集，提升开源模型的成功率。框架缩小开源与闭源模型性能差距，推动开源解决方案发展，并在GitHub开源。

AndroidLab的主要功能

• 多模态操作环境：提供标准化的多模态操作环境，支持大型语言模型（LLMs）和多模态模型（LMMs）在相同的操作空间内进行交互。
• 基准测试：设计一个包含138项任务的基准测试，覆盖九个常见应用，任务类型包括操作任务和查询任务，涉及真实世界的复杂交互场景。
• 评估指标：引入任务完成率（SR）、子目标成功率（Sub-SR）、反向冗余率（RRR）和合理操作比率（ROR）等评估指标，精准评估代理的任务表现。
• 数据集构建：创建Android Instruct数据集，结合自动化探索与人工标注，生成高质量的操作数据，提升开源模型在任务完成率和操作效率上的表现。
• 模型训练与优化：支持对开源和闭源模型进行训练和优化，基于指令调优显著缩小开源与闭源模型之间的性能差距。

AndroidLab技术原理

• 操作模式：
  • XML模式：为文本输入的LLMs设计，基于压缩XML信息传递界面状态，模型直接选择元素执行操作。
  • SoM模式：针对LMMs的设计，用Set-of-Mark方法，将屏幕截图与标记信息结合，模型选择带有编号的标记元素进行操作。
• 推理与操作框架：
  • ReAct框架：基于逐步推理和操作输出，模型输出操作的同时展示中间推理过程。
  • SeeAct框架：推理与操作分离，分两轮交互进行，第一轮模型生成详细的推理步骤，第二轮执行具体操作。
• 任务设计与重现性：每个任务设计多个子目标，用XML树结构匹配来验证每个子目标的完成情况，确保结果准确性和操作的高效性。
• 评估系统：基于任务完成的评估系统，直接从设备和屏幕状态判断，提供全面和精确的代理性能评估。
• 数据集与模型训练：基于自动化探索和人工标注构建数据集，训练和微调模型，提升模型在多模态与文本输入任务中的表现。

AndroidLab的项目地址

AndroidLab的应用场景

• 自动化测试：用在移动应用的自动化测试，模拟用户操作检测应用的功能和性能。
• 智能助理开发：开发理解和执行复杂用户指令的智能助理，如语音助手和聊天机器人。
• 人机交互研究：研究和改进人机交互方式，特别是在移动设备上，如何让机器更好地理解和响应人类指令。
• 人工智能研究：提供一个实验平台，研究和开发大型语言模型（LLMs）和多模态模型（LMMs）在实际应用中的表现。
• 教育和培训：作为教育工具，帮助学生和研究人员理解Android操作系统的工作原理和应用开发。