沃尔沃研究对比自建与通用LLM Agent车载GUI测试框架

Volvo Group 的 Arsham Gholamzadeh Khoee 等人发布 arXiv 论文（2610.33636），将生产环境自研的 LLM 智能体测试框架与 Claude Code、OpenCode 两个通用框架在 Android 车载信息娱乐（IVI）系统 GUI 测试中对比，三者通过 MCP 接入相同工具、使用相同模型。结论是两者各有利弊，没有单方面胜出。 在 Volvo 分步式 IVI 测试上，通用框架的成功率与自建框架相当，但跨运行波动更大；其每任务推理成本高 2.6–10.7 倍，但研究者称节省的工程投入超过这一成本。在开放式公共应用任务上，通用框架成功率更高，主要因为从错误操作中恢复的能力更强。研究者指出，采用通用框架会把维护重心从智能体循环转移到工具和指令上，但团队对模型所接收内容的控制力更弱。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。