随着多模态大模型的发展，端到端GUI智能体在手机、电脑等设备上的自动化任务中展示出巨大潜力。它们能够看懂设备屏幕，模拟人类去点击按钮、输入文本，从而完成复杂的任务。 然而，当前端到端GUI多智能体的训练范式仍存在明显的瓶颈：当前模型往往使用几乎完美的离线演示轨迹进行训练，使得模型缺乏反思和改正自身错误的能力，并进一步限制了通过在线强化学习激发和提升能力的可能。 GUI-Reflection的核心思想是在智能体的各个训练阶段引入“反思与纠错”机制，这一机制贯穿预训练、监督微调和在线训练全过程，模拟了人类“犯错→反思→重试”的认知过程。 GUI预训练阶段：提出GUI-Reflection Task Suite任务套件, 将反思纠错能力进一步分解，让模型在预训练阶段框架让模型初步接触反思类任务，为后续打下基础。离线监督微调阶段：构建自动化数据管道，从已有离线无错轨迹中构建带有反思和纠错的行为数据，让模型成功习得反思纠错行为。在线训练阶段：搭建分布式移动端GUI学习环境，并设计迭代式反思反馈调优算法，让模型在与真实环境交互中进一步提升相关能力。 GUI-Reflection 是一个贯穿训练全过程的框架，旨在系统性地赋予多模态GUI智能体以“自我反思与纠错”的能力。该框架由三大关键阶段组成，分别对应模型能力的认知启发、行为习得与交互强化： 现有GUI预训练多聚焦于界面理解和操作感知，而忽视了反思相关的原生能力构建。GUI-Reflection 首次提出专为反思设计的GUI-Reflection Task Suite，包含三类关键任务： Action Verification（动作验证）：判断某一步操作是否达成了预期目标，训练模型识别执行偏差。Action Reversal（动作回滚）：学习如何撤销错误操作，回退到正确的任务路径。Mistake-Informed Reattempt（基于错误的再尝试）：在明确过去错误的前提下，生成新的、改进的操作策略。 针对当前GUI数据集缺少犯错和纠错数据的问题，GUI-Reflection设计了一个自动化反思纠错数据生成管道。该方法从已有成功轨迹中自动构造出“带错轨迹”与“纠错行为”，实现数据维度上的“反思注入”。具体包括： 目标扰动生成错误行为：通过修改原始任务目标，使模型原本的动作在新目标下变成“错误”动作，并构建对应的反思错误行为数据。行为插入模拟失误：向成功轨迹中插入无效操作，让模型对无效错误操作做出反思并尝试新的正确操作。 为了进一步提升模型在真实环境中的适应能力，GUI-Reflection构建了一个分布式安卓模拟环境，涵盖11个app和 215 个任务模板，支持高并发交互。基于此环境，GUI-Reflection设计了一种自动化迭代式在线反思调优算法： 成功轨迹将被细粒度验证，仅保留每一步的有效执行；失败轨迹则被自动定位错误步骤，并为该步骤自动生成前向修正（Pre-Error Correction）与后向反思（Post-Error Reflection）操作。 通用大模型（如 GPT-4o、Gemini）在GUI任务中具备不错的原生反思能力，能够初步识别错误并进行合理推理；小规模开源模型在这方面能力明显不足，尤其在面对失败操作时难以自我修复；更关键的是，现有的标准GUI预训练流程，反而会削弱模型原本具备的反思能力 当在预训练阶段引入反思导向任务数据，即使是较小规模的模型，也能显著提升其在反思相关任务中的表现，甚至达到接近闭源大模型的水平。 在离线监督微调阶段引入反思类数据，可以显著提升模型的任务完成表现；进一步结合在线反思调优算法进行训练，模型的成功率持续提升，表现出更强的泛化能力与稳定性。 GUI-Relection-8B模型在AndroidWorld基准中也实现了 34.5% 的成功率，证明了GUI-Reflection框架的有效性。这一系列结果充分表明：在多个训练阶段显式引入反思机制，是提升GUI智能体能力的关键路径，而不仅仅依赖大规模演示数据或强模型本身。 GUI-Reflection为端到端多模态 GUI 智能体注入了全新的“自我反思”能力。从预训练、离线微调到在线交互，它系统性地打通了“犯错—反思—修正”的认知闭环，使模型在面对真实环境中的不确定性时，能够更加鲁棒、灵活地应对各种突发状况。
trap
-->