M$^2$-Miner：基于多智能体增强的蒙特卡洛树搜索用于移动GUI智能体数据挖掘

图形用户界面（GUI）智能体对于推动智能人机交互范式至关重要。构建强大的GUI智能体需要大规模标注高质量的用户行为轨迹数据（即意图-轨迹对）进行训练。然而，手动标注方法和当前GUI智能体数据挖掘方法通常面临三个关键挑战：建设成本高、数据质量差和数据丰富性低。为了解决这些问题，我们提出了M$^2$-Miner，这是首个基于蒙特卡洛树搜索（MCTS）的低成本自动化移动GUI智能体数据挖掘框架。为了提高数据挖掘效率和质量，我们提出了一种协作的多智能体框架，包括InferAgent、OrchestraAgent和JudgeAgent，分别用于指导、加速和评估。为进一步提高挖掘效率并丰富意图多样性，我们设计了一种意图回收策略，以提取额外有价值的交互轨迹。此外，还引入了一种渐进式的模型在环训练策略，以提高数据挖掘的成功率。大量实验表明，使用我们挖掘的数据微调的GUI智能体在多个常用的移动GUI基准测试中达到了最先进的性能。我们的工作将被发布以促进社区研究。