Esta vez, se modificó por separado la forma en que los agentes de GUI recuerdan las tareas.
En el artículo se llama Task Advancement Memory, o TAM. En lugar de guardar las operaciones pasadas como un registro cronológico, distingue qué avances ya se han verificado. Al pasar al siguiente paso, Task Advancement State representa cómo los avances verificados modifican los objetivos pendientes, lo que permite continuar con los logros anteriores al operar entre aplicaciones. Al terminar la tarea, se aplica una capa adicional de supervisión para extraer las interacciones que produjeron resultados verificados y convertirlas en operaciones reutilizables, conservando la relación entre las entradas, los resultados esperados y las condiciones de verificación. También se conservan los pasos que se completaron correctamente de forma parcial en las tareas fallidas.
En las tareas GUI-only de MobileWorld, el uso exclusivo de Advancement State elevó la tasa de éxito del 12,0 % al 28,2 %. TAM completo mejoró la tasa de éxito de las tareas en un 17,6 % respecto de la línea base más sólida y redujo en un 38,7 % los tokens del ciclo de vida por tarea resuelta. En SPA-Bench, alcanzó el estado del arte en escenarios de nivel 3 en inglés y de una sola aplicación.
Prepublicación en arXiv; no se ha encontrado una revisión por pares. Las conclusiones se limitan al alcance experimental descrito en el resumen.
$BTC
En el artículo se llama Task Advancement Memory, o TAM. En lugar de guardar las operaciones pasadas como un registro cronológico, distingue qué avances ya se han verificado. Al pasar al siguiente paso, Task Advancement State representa cómo los avances verificados modifican los objetivos pendientes, lo que permite continuar con los logros anteriores al operar entre aplicaciones. Al terminar la tarea, se aplica una capa adicional de supervisión para extraer las interacciones que produjeron resultados verificados y convertirlas en operaciones reutilizables, conservando la relación entre las entradas, los resultados esperados y las condiciones de verificación. También se conservan los pasos que se completaron correctamente de forma parcial en las tareas fallidas.
En las tareas GUI-only de MobileWorld, el uso exclusivo de Advancement State elevó la tasa de éxito del 12,0 % al 28,2 %. TAM completo mejoró la tasa de éxito de las tareas en un 17,6 % respecto de la línea base más sólida y redujo en un 38,7 % los tokens del ciclo de vida por tarea resuelta. En SPA-Bench, alcanzó el estado del arte en escenarios de nivel 3 en inglés y de una sola aplicación.
Prepublicación en arXiv; no se ha encontrado una revisión por pares. Las conclusiones se limitan al alcance experimental descrito en el resumen.
$BTC
