MobileUse：分层反思的移动端代理

原文链接： MobileUse: A GUI Agent with Hierarchical Reflection for Autonomous Mobile Operation [100]

论文信息

• 年份：2025 [100]
• 作者：Ning Li, Xiangmou Qu, Jiamu Zhou, Jun Wang, Muning Wen, Kounianhua Du, Xingyu Lou, Qiuying Peng, Jun Wang, Weinan Zhang [100]
• 作者背景（研究领域）：移动端代理/反思机制 [100]
• 前后血缘关系（同主题）：前序：Mobile-Agent-v3；后续：无（移动端反思策略方向代表）

主旨

MobileUse 的主旨是通过分层反思机制提升移动端 GUI 代理的稳定性与自我纠错能力，使其在复杂任务中更可靠。[100]

背景与问题定义

论文指出移动端任务中失败往往来自步骤漂移、误触与状态丢失。单一层级的反馈难以覆盖计划与执行两个层面，因此需要分层反思来提升可控性。[100]

方法与机制

MobileUse 将反思机制拆成高层计划反思与低层动作反思。高层负责检查任务目标与路径一致性，低层负责校验具体动作与 UI 状态是否匹配，从而形成双层纠错闭环。[100]

实验与结果

实验显示，分层反思显著降低了移动端任务的失败率，尤其是在长任务与 UI 变化频繁的场景中收益更明显。[100]

关键数据结果

• 分层反思机制在多类移动任务中提升了任务成功率与稳定性。[100]

工程启示（优化点）

• 在计划层与执行层分别加入反思检查点。
• 记录动作与 UI 观察，支持回放与诊断。
• 为高频错误设置回退策略，避免重复误触。
• 将反思结果写入记忆，供后续任务复用。

局限与延伸

分层反思带来额外计算成本，且反思质量依赖于观察准确性。未来方向包括：更轻量的反思策略、与权限管理结合的安全机制，以及更大规模移动端任务验证。[100]