智谱推出 AutoGLM，让 AI「phone use」与网页操作成为现实

在科技飞速发展的今天，智能体的进步引起了广泛关注。智谱公司推出的AutoGLM在CNCC2024大会上备受瞩目。这款产品操作简便，只需几个指令，就能模拟人类使用手机，极大地方便了用户。

中间接口设计的重要性

智能体开发中，中间接口设计至关重要。以基础智能体为例，在解耦规划和执行行为时，优秀的中间接口设计犹如一把钥匙。它是提升规划和执行能力的关键环节，有助于使智能体运行更流畅、更高效。研究团队在实际开发中发现，缺乏这种设计可能导致规划和执行出现混乱，进而影响智能体的整体性能。而且，在处理多种复杂任务时，这种设计能显现出其优势，帮助智能体更好地应对各种指令。

自进化的RL框架开发

现有的许多智能体，由于依赖专有的LLM/LMMAPI，其规划能力难以提升。为此，智谱团队决定自行探索规划器的训练方法。他们研发了WebRL框架，这一框架犹如一线曙光。它专门解决RL领域的数据不足和策略漂移等问题。例如，在处理用户任务时，数据不足会导致智能体反应不准确。而WebRL通过自进化功能，能有效缓解这一问题。它可以从头开始训练基础智能体，显著提升了智能体的适用性。

AutoGLM能力在特定环境评估

智谱在AndroidLab和常见安卓APP的高频任务中，对AutoGLM进行了评估。AndroidLab这一特殊环境，能够为系统性评估提供支持。与AITW等基准测试不同，AndroidLab的互动性十分显著。比如，在测试APP时，这种互动性有助于揭示更多使用中的问题。此外，它还覆盖了离线可部署的英语APP，使得测试范围更为广泛。这种评估方式更具实际价值，而且可以通过强化学习不断优化智能体的能力。

定制测试查询的评估

在评估过程中，为每个APP量身打造一套测试查询至关重要。这就像量体裁衣，能更准确地获取数据。研究人员在人类评估的全过程中追踪执行轨迹，以确定最终成功率。这样，我们就能更直观地观察AutoGLM在实际应用中的表现。定制查询能深入挖掘APP的特点，使评估不再只是泛泛而谈，而是具体深入地展现智能体在不同场景下的应对能力。

实际使用场景下的评估

在安卓手机上进行的评估，通过AccessibilityService应用程序模拟实际使用场景。这就像在真实生活中使用一样。通过这种方式，我们可以了解AutoGLM在日常使用中的实际效果。在真实场景中进行评估，有助于减少环境差异带来的误差，真正检验智能体是否能够满足用户的日常需求，为智谱优化AutoGLM提供最真实的反馈。

不同模型对比评估

智谱不仅对AutoGLM进行了评估，还对众多具有代表性的LLM/LMMAPI、开放模型以及智能体框架进行了全面评估。例如，即便AgentQ的数据集未对外公开，研究团队还是构建了测试集对其进行了评估。在原始的WebArena精简版VAB-WebArena-Lite和OpenTable数据集的交互式基准测试中，可以全面观察到AutoGLM与其它相关模型的优缺点。这样的对比评估有助于智谱了解AutoGLM在众多模型中的位置，同时也为其他开发者提供了参考。

这是关于智谱AutoGLM的相关信息。那么，在使用智能体产品时，您最看重的是它的哪一项功能？不妨在评论区留下您的看法。同时，也欢迎您点赞并分享这篇文章。

内容来自网络，如有侵权，联系删除。