无需人工标注智谱AndroidGen-GLM-4-9B重构安卓智能交互导语智谱AI最新开源的AndroidGen-GLM-4-9B模型首次实现大语言模型LLM在安卓系统全场景的自主任务执行无需人工标注交互数据即可操控消息、时钟、邮件等应用为移动智能体开发突破数据稀缺瓶颈提供新路径。行业现状移动AI的数据困境当前移动智能体Agent开发面临三大挑战场景多样性要求模型具备跨应用泛化能力复杂任务需多步骤精准规划数据过滤与标注成本占开发总成本的60%以上。传统方法依赖人工标注的交互轨迹数据在面对安卓系统中200常用应用、10万可能操作组合时数据采集效率与标注质量成为难以逾越的瓶颈。如上图所示该对比图展示了AndroidGen系列模型与M3A、SeeAct等现有方案在任务成功率上的对比其中AndroidGenGPT-4o组合平均得分达46.8显著领先于其他方案接近80%的人类水平基准。这一数据充分体现了AndroidGen框架在解决数据稀缺问题上的技术优势为移动智能体开发提供了新的可能性。核心突破四大模块解决数据稀缺难题AndroidGen框架通过创新的技术架构实现了无需人工标注的智能体训练。其核心在于四个协同模块ExpSearch经验搜索检索已完成的类似轨迹辅助上下文学习提升简单任务与复杂任务间的泛化能力。该模块通过Contriever模型对指令进行编码计算与数据库中嵌入向量的相似度分数选择最相似的轨迹作为学习示例。ReflectPlan反思规划使代理能够自我评估任务执行的进度并根据环境更新计划的状态从而增强代理的长期推理能力。分为计划初始化和计划反思两个阶段能在遇到失败状态或进入循环时修改和创建新计划。AutoCheck自动检查主动验证代理的每一个操作的有效性降低因操作错误而导致任务失败的风险。检查内容包括元素ID是否存在、类型是否符合要求以及滚动是否完成等。StepCritic步骤评估将任务分解为多个子目标并提供逐步的轨迹评估为模型优化提供细粒度的标签。基于GPT-4o构建能分解任务为各种子目标并逐个步骤地评估轨迹提高在有限上下文长度约束下轨迹的信息密度。技术原理从数据生成到模型微调的全流程革新AndroidGen建立了高效的数据收集与模型训练 pipeline任务制定基于GPT-4o从AndroidWorld生成约300条任务指令确保在训练期间不使用奖励信号或黄金标签以防止数据泄露。代理采样结合AndroidWorld环境和GPT-4o对每个任务轨迹进行采样。轨迹记录精确记录每一步的环境状态和操作信息构建可复现的导航轨迹。轨迹评估通过StepCritic模块评估轨迹质量确保子目标完成度。轨迹增强扩充高质量数据集最终形成包含1000轨迹的训练数据。模型训练阶段采用LoRA技术对GLM-4-9B等基础模型进行微调将规划与执行步骤结合训练使模型同时具备任务规划与操作执行能力。这种端到端的训练方式避免了传统方法中规划与执行脱节的问题。应用场景重新定义移动智能交互体验AndroidGen-GLM-4-9B展现出广泛的应用潜力主要包括三大场景自动化任务处理通过自然语言指令完成发送邮件、设置提醒、查询信息等日常操作。例如用户只需说明天早上8点提醒我开会模型就能自动打开时钟应用并设置闹钟。跨应用操作实现不同应用间的数据流转与协同如从日历导出明天的会议安排到Excel并发送给团队。这需要模型能够理解多个应用的界面结构和数据格式并完成复杂的跨应用数据处理。智能导航根据用户指令在安卓系统中完成复杂导航如打开微信找到老板的最新消息并设置为未读。模型需要理解应用内的层级结构和操作逻辑完成多步骤的精确导航。这些场景覆盖了个人助理、企业效率工具、无障碍辅助等多个领域为移动智能交互开辟了新可能。行业影响开启移动AI开发新范式AndroidGen的开源发布将对移动智能体开发产生深远影响降低开发门槛无需专业标注团队即可构建高质量安卓智能体使中小开发者也能参与创新。开发者可通过以下命令获取模型并开始实验git clone https://gitcode.com/hf_mirrors/THUDM/androidgen-glm-4-9b cd androidgen-glm-4-9b # 按照README文档配置环境和依赖提升任务成功率在AitWAndroid in the Wild真实设备评测中跨应用任务成功率提升40%显著优于现有方案。推动生态发展为智能家居控制、车载系统交互、工业平板操作等场景提供可迁移的技术方案。模型支持在消费级GPU如RTX 4090上进行推理通过量化技术可进一步降低硬件门槛适合研究与原型开发。未来展望AndroidGen框架的出现标志着移动智能体开发进入数据稀缺时代的新阶段。随着模型迭代与应用场景拓展我们或将见证智能助手从被动响应转向主动服务的进化、企业级移动自动化解决方案成本降低70%以上、特殊人群辅助技术的突破性进展如为视障用户提供全流程手机操作辅助。这一技术路径不仅解决了当前的开发痛点更为未来万物互联时代的智能交互奠定了基础。AndroidGen-GLM-4-9B的开源无疑将加速移动AI应用的创新与落地推动整个行业向更智能、更高效的方向发展。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考