摘要
手机正成为通用智能体的重要执行界面，但因其环境缓慢、有状态且难重置，训练可靠的开放模型极具挑战。本文提出 PhoneBuddy，结合真实应用环境与重构的模拟环境 PhoneWorld，通过监督微调与混合强化学习策略提升模型性能。实验显示，混合强化学习在真实手机任务成功率上显著优于单一环境训练，证明模拟环境是真实环境的有效补充，但长流程跨应用任务仍是未来挑战。
AI 推荐理由
论文核心研究 Agent 在手机环境中的工具使用与操作技能训练，提出混合环境强化学习方案。
研究机构
Tencent Hunyuan
The Chinese University of Hong Kong, Shenzhen
论文信息