手机自动化中的LLM驱动GUI智能体：进展与前景综述

随着大型语言模型（LLMs）的迅速崛起，手机自动化经历了变革性的变化。本文系统地回顾了LLM驱动的手机GUI代理，重点介绍了它们从基于脚本的自动化到智能、自适应系统的演变。我们首先阐述了关键挑战，包括（i）泛化能力有限，（ii）维护成本高，以及（iii）意图理解薄弱，并展示了LLMs如何通过先进的语言理解、多模态感知和强大的决策能力来解决这些问题。然后，我们提出了一个分类体系，涵盖基本代理框架（单代理、多代理、规划后行动）、建模方法（提示工程、基于训练）以及必要的数据集和基准。此外，我们详细介绍了任务特定的架构、监督微调和强化学习策略，这些策略弥合了用户意图和GUI操作之间的差距。最后，我们讨论了开放性挑战，例如数据集多样性、设备端部署效率、以用户为中心的适应以及安全问题，并为这个快速发展的领域提供了前瞻性见解。通过提供结构化的概述和识别紧迫的研究空白，本文为寻求利用LLMs设计可扩展、用户友好的手机GUI代理的研究人员和实践者提供了权威参考。