论文arxiv cs.CL · 1mo ago重要
PhoneHarness: Harnessing Phone-Use Agents through Mixed GUI, CLI, and Tool Actions
分类释义：学术论文 / 技术报告
TL;DR
PhoneHarness 是一个混合动作基准和执行框架，将 GUI、CLI 和工具调用统一纳入手机 Agent 评估，在可验证的工作流上达到 75% 通过率，比纯 GUI 方法高 12.9%。
关键要点
- 01PhoneHarness 是一个混合动作基准和执行框架。
- 02将 GUI、CLI 和工具调用统一纳入手机 Agent 评估。
- 03在可验证的工作流上达到 75% 通过率。
- 04比纯 GUI 方法高 12.9%。
为什么值得关注
传统手机 Agent 只评估 GUI 控制能力，PhoneHarness 证明混合动作路由（GUI+CLI+工具）和可验证的副作用追踪才是可靠自动化的关键——工程师可以借鉴这个思路设计更实用的 Agent 评估体系。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 评估团队现有的手机 Agent 评估方案，引入混合动作路由（GUI+CLI+工具）的测试框架 |
| 应用工程师 | 在开发手机 Agent 时考虑 CLI 和工具调用作为 GUI 的补充，而非仅依赖纯 GUI 交互 |
| 运维 / 平台 | 暂无直接影响，了解即可 |
| 产品 / 业务 | 暂无直接影响，了解即可 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5