摘要
计算机使用代理利用多模态大语言模型操作电脑完成任务，但其开发面临高质量轨迹数据稀缺的挑战。现有方法仅利用成功轨迹进行微调，忽略了蕴含丰富弱点信息的失败轨迹。本文提出一种互补的失败驱动自我改进循环，利用大语言模型诊断失败模式，生成推理时解决方案及代码补丁以升级代理。在 OSWorld 基准测试中，该方法将 OpenCUA-72B 模型的成功率从 42.3% 提升至 48.9%，且无需额外训练成本，证明了失败驱动自我改进的有效性。
AI 推荐理由
论文核心提出基于失败驱动的推理时自我改进机制，直接对应自我进化主题。
研究机构
Stanford University, Stanford, CA 94305, USA
Tsinghua University, Beijing, 100084, China
论文信息