AutoGLM – 智谱AI推出的模拟人类操作手机的AI智能体-爱论文

AutoGLM是什么

AutoGLM是智谱AI团队最新推出的 “Phone Use” AI智能体，基于图形用户界面（GUI）实现自主任务完成。AutoGLM能模拟人类在手机操作，执行如社交媒体互动、在线购物、酒店预订等任务。AutoGLM能接收简单的文字或语音指令，自动完成复杂的操作流程，无需用户手动干预。

AutoGLM的技术核心包括基础智能体解耦合中间界面和自进化在线课程强化学习框架，让AutoGLM能精确执行动作、灵活规划任务，克服传统大模型智能体在动作执行精确度和任务规划灵活性上的挑战。AutoGLM正处于内测阶段，首批开放给部分清言用户（暂时仅支持安卓系统）。

AutoGLM的主要功能

模拟人类操作手机：接收文字或语音指令，执行如微信点赞评论、淘宝购物、携程预订酒店、12306购票、美团点外卖等任务。实时操作：能实时响应指令，在手机上执行复杂的任务序列。无需API调用：不依赖于特定的API接口，直接与图形用户界面（GUI）交互。自动化任务执行：在真实环境中执行自动化任务，简化用户操作流程。

AutoGLM的技术原理

基础智能体解耦合中间界面：用自然语言指令将任务规划与动作执行解耦，提升智能体的操作能力和灵活性。自进化在线课程强化学习框架：在真实在线环境中学习和提升智能体的能力，基于自适应学习策略不断自我改进。任务规划与动作执行的分离：基于中间界面设计，让任务规划和动作执行能独立优化，提高动作执行的精确度。动态调整学习任务难度：根据智能体当前的能力水平，动态调整学习任务的难度，最大程度地利用模型潜能。策略更新与经验回放：用KL散度控制策略更新和智能体置信度经验回放，减轻模型在迭代训练中的遗忘问题。