提出ANDROID COACH框架,通过Single State Multiple Actions范式在单次在线状态采样多个动作并利用在线学习的critic评估其价值,结合过程奖励模型和组内leave-one-out优势估计器,在Android-Lab和AndroidWorld上分别提升成功率7.5%和8.3%,…
机构:浙大
来源:arXiv 2604.07277 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程