摘要
针对移动智能体依赖冗长文本思维链导致交互缓慢的问题，本文提出 MIRAGE 框架。该框架从可见的文本推理轨迹中学习连续潜变量推理表示，将显式推理转化为紧凑的隐藏状态，实现无需解码长理由的内部推理。此外，引入生成世界模型目标，使潜变量与未来屏幕截图对齐，促使智能体在行动前预判界面状态变化。实验表明，MIRAGE 在减少令牌生成的同时，显著提升了执行效率和动作落地能力。
AI 推荐理由
论文核心提出隐式推理机制，将显式思维链转化为紧凑潜变量，显著提升推理效率。
研究机构
1Beihang University
2Northwestern Polytechnical University
3Institute of Software, Chinese Academy of Sciences
4National University of Singapore
5Beihang University
论文信息