聚焦手机AI“超级入口”，中兴Nebula小模型让手机秒变“小秘”？

53 0 0

文章摘要

随着移动智能技术的快速发展，手机端AI“超级入口”成为行业竞争的新焦点。GUI Agent（图形用户界面智能体）凭借重塑流量分发格局的潜力，催生了千亿级市场机遇，吸引了苹果、华为、字节跳动、美团、智谱AI等企业的广泛布局。中兴通讯通过自研技术框架，在这一领域取得了显著进展，其Nebula-GUI模型在AgentCLUE-mobile测评中以7B参数量获得总榜银牌，总分84.38，UI元素定位得分高达93.17，尤其在自动点餐、订票等复杂任务中表现优异。目前，该模型已在中兴多款手机商用，覆盖30余款主流APP，常用场景平均准确率超过90%。

数据是GUI Agent性能的核心支撑，但行业面临高质量中文GUI数据稀缺、跨APP操作数据不足等挑战。中兴开发了一套端到端数据制备系统，包括数据标注工具、自动化数据PIPELINE和轨迹数据生成系统，显著提升了数据质量和效率。其中，一体化数据标注工具将分散的人工流程整合为自动化流水线，标注效率提升3倍；自动化数据Pipeline则解决了人工标注导致的逻辑不一致问题，增强了模型泛化能力。此外，全时数据飞轮平台通过集约化管控设备资源，实现了数据生产的规模化和高效化。

在模型训练方面，中兴通过监督微调（SFT）将通用多模态模型优化为具备“感知-理解-执行-规划-纠错”能力的GUI智能体。模型在中文GUI界面的基础感知能力、单步操作精度和复杂任务规划能力上均取得突破。例如，单步操作准确率超过95%，部分简单指令达到99%。同时，通过引入自我反思纠错机制，模型能够识别异常页面状态并回到正确流程，显著提升了系统韧性。

为进一步提升模型性能，中兴提出了双层强化学习范式，结合离线步骤级连续奖励与在线任务级强化训练。离线阶段，通过多维度精细化奖励（如准确性奖励、置信度奖励和一致性奖励）引导模型优化微观行为；在线阶段，则利用任务级轨迹奖励模型和稀疏奖励分配方法，增强模型在动态环境中的适应性和鲁棒性。这一方法使模型从简单的模仿学习转向自主进化，显著提升了复杂任务中的表现。

中兴Nebula-GUI模型的成功标志着GUI Agent技术从实验室走向商用，未来有望进一步覆盖更多APP和使用场景，并拓展至智能办公、软件开发等领域。随着技术的持续迭代，GUI Agent或将成为手机“超级入口”的核心载体，为用户带来更智能、更便捷的交互体验。