AndroidGen – 开启智能代理新纪元
AndroidGen是什么
AndroidGen 是智谱技术团队推出的一款用于增强基于大语言模型（LLM）的智能代理（Agent）能力的框架，尤其在数据稀缺的情况下表现出色。该框架通过收集人类的任务轨迹，并基于这些轨迹训练语言模型，成功开发出无需人工标注的智能代理，极大地增强了 LLM 执行复杂任务的能力。
核心功能
- 无需人工标注的数据收集与训练 ：AndroidGen 能在无需人工标注轨迹的情况下，通过收集人类任务轨迹并基于这些轨迹训练语言模型，开发出高效的智能代理。
- 增强代理的任务执行能力 ：通过四个核心模块显著提升 LLM 执行复杂任务的能力。其中，ExpSearch（经验搜索）通过检索已完成的类似轨迹，帮助 LLM 进行上下文学习，从而提升 Agent 的能力，帮助其实现从简单任务到复杂任务的泛化；ReflectPlan（反思计划）对当前环境进行自我反思并更新计划状态，增强 Agent 的长期推理能力；AutoCheck（自动检查）主动验证每个 Agent 操作的有效性，降低因操作失误导致任务失败的风险；StepCritic（步骤评估）将任务分解为多个子目标，并提供逐步轨迹评估，为模型优化提供细粒度标签。
- 高效的数据收集管道 ：AndroidGen 建立了一个高效的数据收集管道，能够生成大量高质量的 Android 浏览轨迹。
技术原理
- 模型训练 ：利用 LoRA 技术，对自动构建的数据集进行微调，包括 GLM-4-9B 和 Llama-3-70B，从而得到 Android Agent 模型。无需人工标注轨迹，通过将轨迹中的每一步作为样本进行训练，充分挖掘数据集中的信息。同时，将规划与执行步骤结合进行微调，使 LLM 同时具备规划与执行的能力。
- 数据收集流程 ：基于 GPT-4o 从 AndroidWorld 中生成约 300 条任务指令，再基于 AndroidWorld 和 GPT-4o 对每个任务的轨迹进行采样，记录每一步的环境和操作信息，构建可复现的 Android 导航轨迹，接着使用 StepCritic 对记录的轨迹进行评估，确保每个子目标的完成，最终扩充高质量数据集，构建了一个包含 1000 多个轨迹的数据集。
支持平台
AndroidGen 主要支持 Android 平台，可在 Android 设备上实现智能化操作，为用户提供准确高效的任务执行能力。
团队介绍
AndroidGen 由智谱技术团队开发。该团队在人工智能领域具有深厚的技术积累和丰富的研发经验，成员来自清华大学等知名高校，致力于推动 AI 技术的创新与发展。其研发的多个 AI 产品和解决方案在行业内具有广泛的应用和影响力。
项目资源
业务场景
- 自动化任务处理 ：通过自然语言指令，智能代理能够自动完成发送邮件、设置提醒、查询信息等任务，提高工作效率，节省用户时间。
- 跨应用操作 ：智能代理能够在不同应用之间进行交互，实现如从一个应用复制数据到另一个应用等操作，打破应用之间的壁垒，提升用户体验。
- 智能导航 ：在 Android 设备上，智能代理能够根据用户指令进行导航，如打开特定应用、查找文件等，方便用户快速找到所需内容。
- 智能交互 ：通过自然语言理解，智能代理能够与用户进行互动，提供更加智能的用户体验，如智能客服、智能助手等场景，为用户提供更贴心的服务。