发布AndroidFlux失败恢复基准

Gyubeum Lim 等（Georgia Tech 等作者）发布 AndroidFlux，一个基于 AndroidWorld 构建的失败恢复评测基准，用于评测移动多模态智能体的故障恢复与奖励建模能力。 该基准将记录的轨迹回放到首个可恢复错误之前、之时、之后的受控检查点，让不同智能体从相同的设备状态和历史继续任务；作者称在这些检查点上还设有配套的奖励建模基准，用下游执行结果评估恢复动作的偏好。 作者还发布了配套的离线强化学习数据集，据称能同时提升错误恢复能力和整体任务成功率。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。