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