Android GUI 智能体能否抵御运行时异常？AnTrap 评估动态对抗环境中的智能体
该研究提出 AnTrap 基准，用于评估 Android GUI 智能体应对动态运行时异常的鲁棒性，例如意外弹窗和错误操作。AnTrap 将现实世界的异常划分为状态、思考、行动和轮次四个层级、十个细分类别，并在保持任务可完成性的同时注入逼真的扰动。对 16 个主流 GUI 模型的评估显示，所有模型都容易受到动态异常影响，性能也显著下降。对抗性强化学习能够改善部分单步状态和行动陷阱，但状态死锁等深层上下文问题表明，仅在含陷阱的环境中训练仍无法解决模型的内在局限。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。