清华大学智能产业研究院发布AutoDroid-V2，大幅提升移动设备自然语言控制自动化

　　清华大学智能产业研究院(AIR)于2024年12月24日发布了一篇论文，介绍推出AutoDroid-V2 AI模型。该模型在移动设备上利用小型语言模型(SLM)，显著提升了自然语言控制的自动化程度。

　　AutoDroid-V2采用基于脚本的方法，通过设备端的小型语言模型高效执行用户指令，相比依赖云端大型语言模型(LLM)的传统方法，在效率、隐私和安全性方面均有显著优势。该系统生成多步骤脚本一次性执行多个GUI操作，大幅减少了查询频率和资源消耗，有效保护了用户隐私和数据安全，并降低了服务器端成本。

　　基准测试结果显示，在23个移动应用上测试226项任务时，AutoDroid-V2的任务完成率比AutoDroid、SeeClick、CogAgent和Mind2Web等基线提高了10.5%-51.7%。在资源消耗方面，输入和输出token消耗分别减少至原来的43.5分之一和5.8分之一，LLM推理延迟降低至5.7~13.4分之一。

　　此外，跨LLM测试中，AutoDroid-V2在Llama3.2-3B、Qwen2.5-7B和Llama3.1-8B上的成功率为44.6%-54.4%，反向冗余比为90.5%-93.0%。

　　更多详情可参考论文《AutoDroid-V2: Boosting SLM-based GUI Agents via Code Generation》。