M$^2$-Miner: Multi-Agent Enhanced MCTS for Mobile GUI Agent Data Mining

Created by

Haebom

저자

Rui Lv, Juncheng Mo, Tianyi Chu, Chen Rao, Hongyi Jing, Jiajie Teng, Jiafu Chen, Shiqi Zhang, Liangzi Ding, Shuo Fang, Huaizhong Lin, Ziqiang Dang, Chenguang Ma, Lei Zhao

💡 개요

본 논문은 기존의 높은 비용, 낮은 데이터 품질 및 풍부함 부족 문제를 해결하기 위해 몬테카를로 트리 탐색(MCTS) 기반의 저비용 자동화 모바일 GUI 에이전트 데이터 마이닝 프레임워크인 M$^2$-Miner를 제안합니다. 이를 위해 추론, 조율, 평가를 담당하는 다중 에이전트 협업 프레임워크를 구축하고, 의도 재활용 전략과 점진적 모델-인-루프 학습 전략을 통해 데이터 마이닝 효율성과 다양성을 높였습니다. 실험 결과, M$^2$-Miner로 마이닝된 데이터로 미세 조정된 GUI 에이전트가 모바일 GUI 벤치마크에서 최첨단 성능을 달성했습니다.

🔑 시사점 및 한계

•

시사점 1: MCTS 기반의 다중 에이전트 협업 프레임워크는 모바일 GUI 에이전트 데이터 마이닝의 효율성과 품질을 크게 향상시킬 수 있습니다.

•

시사점 2: 의도 재활용 및 점진적 모델-인-루프 학습 전략은 데이터의 풍부함과 마이닝 성공률을 높이는 효과적인 방법입니다.

•

한계점 또는 향후 과제: 제안된 프레임워크의 일반화 가능성 및 복잡한 GUI 환경에서의 성능 검증이 필요합니다.

PDF 보기

Made with Slashpage