CHOP-En, CHOP-ZH

CHOP-En和CHOP-ZH包含10个应用程序的数据。在CHOP-En中，每个应用程序包含3个指令，而CHOP-ZH每个应用程序包含10个指令。由于公司规定，完整的CHOP-ZH数据集将在稍后发布。

CHOP-En and CHOP-ZH contain data from 10 applications. Each application in CHOP-En includes 3 instructions, while each application in CHOP-ZH contains 10 instructions. Due to company policies, the complete CHOP-ZH dataset will be released at a later date.

原始信息汇总

CHOP 数据集概述

数据集简介

CHOP（Mobile Operating Assistant with Constrained High-frequency Optimized Subtask Planning）是一个针对移动应用自动化的子任务优化框架。该框架通过引入基础子任务（basis subtasks），即常见且由人类执行的有效且高效的子任务序列，来解决现有视觉语言模型在子任务层面上的低效问题。

数据集组成

• CHOP-En & CHOP-ZH：包含10个应用程序的数据，其中CHOP-En每个应用程序包含3个指令，而CHOP-ZH每个应用程序包含10个指令。测试中使用的所有指令可以在论文的src/dataset文件夹中找到。由于公司规定，完整的CHOP-ZH数据集将稍后发布。
• 基础子任务：从AITZ收集的10个常用子任务，定义为基础子任务，每个子任务的文档可以在src/dataset/documentation.json和src/dataset/boundary_conditions.json文件中找到。

子任务类型

• Search Item (parameter)：在搜索栏中输入项目名称并按下回车。
• Send Text Message (parameter)：在指定的文本输入区域输入特定的消息。
• Open Section (parameter)：在应用程序中找到并进入指定的部分或功能。
• View Content (parameter)：在应用程序中查看指定的内容。
• Interact (parameter1, parameter2)：与应用程序中的内容进行互动，如点赞或评论。
• Manage Collections (parameter1, parameter2)：管理个人收藏或购物车等。
• Share Content (parameter1, parameter2)：将应用程序中的内容分享到其他平台或用户。
• Check Notifications (parameter)：查看应用程序中的通知或消息。
• Modify Settings (parameter1, parameter2)：修改应用程序中的设置。
• Create or Edit Entry (parameter1, parameter2)：在应用程序中创建或编辑条目。

使用示例

• 环境准备：目前仅支持Android OS和Harmony OS（版本<=4）的工具调试。
• 运行：提供了在GPT-4V上尝试CHOP框架的示例代码。

引用信息

若CHOP对您的研究和应用有帮助，请使用以下BibTeX引用： bibtex @article{zhou2025chop, title={CHOP: Mobile Operating Assistant with Constrained High-frequency Optimized Subtask Planning}, author={Zhou, Yuqi and Wang, Shuai and Dai, Sunhao and Jia, Qinglin and Du, Zhaocheng and Dong, Zhenhua and Xu, Jun}, journal={arXiv preprint arXiv:2503.03743}, year={2025} }

许可

本项目遵循MIT License许可。详细信息请见LICENSE文件。

搜集汇总

数据集介绍

构建方式

CHOP数据集的构建基于对移动应用自动化任务中子任务的高频优化。数据集包括10个应用程序，其中CHOP-En每个应用程序包含3个指令，而CHOP-ZH每个应用程序包含10个指令。这些指令是从实际的人类操作中收集的，旨在确保子任务的有效性和效率。数据集的构建过程涉及对常用子任务的定义和文档化，这些子任务被定义为basis subtasks，并在相应的JSON文件中进行了详细的说明。

使用方法

使用CHOP数据集首先需要准备ADB环境，并确保ADB调试在Android或Harmony OS上可用。之后，用户可以通过修改API配置和模型路径来设置测试环境。运行时，用户需在命令行中指定应用程序名称、指令数量、测试数据集路径、ADB路径和API密钥。通过这种方式，用户可以在GPT-4V等模型上测试CHOP框架的性能和效果。

背景与挑战

背景概述

CHOP数据集，即Mobile Operating Assistant with Constrained High-frequency Optimized Subtask Planning，是由Yuqi Zhou等研究人员于2025年提出的一个旨在优化移动应用自动化中子任务执行的框架。该数据集针对当前视觉语言模型在子任务执行中存在的低效或无效问题，引入了基础子任务的概念，即常见的人类执行的序列，以确保执行的有效性和效率。CHOP数据集包含10个应用程序，其中CHOP-En每个应用程序包含3个指令，而CHOP-ZH每个应用程序包含10个指令。该数据集的研究成果已在相关科学文献中发表，对移动应用自动化领域产生了显著影响。

当前挑战

CHOP数据集面临的挑战主要包括：1）如何更精确地识别和优化移动应用中的子任务，以提升任务完成的效率；2）如何处理不同应用程序间的差异性和复杂性，保证子任务在多样化环境中的适应性；3）如何在保证有效性和效率的同时，处理由于公司规定等因素导致的数据集部分信息无法公开的问题。构建过程中，研究人员需克服如何收集和定义基础子任务，以及如何在不同语境（英语和中文）中保持模型的性能和准确性等挑战。

常用场景

经典使用场景

CHOP数据集作为移动应用自动化任务中的子任务优化框架，其经典使用场景在于通过基础子任务提高移动操作的效率和效果。这些基础子任务涵盖了搜索、发送消息、查看内容、互动、管理收藏、分享内容、检查通知、修改设置以及创建或编辑条目等多种常见操作，为移动应用中的自动化任务提供了细粒度的执行单元。

解决学术问题

该数据集解决了现有视觉语言模型在处理子任务时存在的低效或不准确的问题。通过引入并优化这些常见的、由人类执行的基础子任务，CHOP在英文和中文环境下均显著提高了任务完成的性能，为移动应用的自动化和智能化操作提供了新的方法和思路。

实际应用

在实际应用中，CHOP框架可被用于提升移动应用的自动化测试效率，减少人工操作的复杂性。此外，它还可以作为智能助手，帮助用户完成日常的移动操作任务，从而提高用户的生产力和便利性。

数据集最近研究

最新研究方向

CHOP数据集聚焦于移动应用自动化任务中的子任务优化问题。当前研究通过引入基础子任务，即常见的人类执行序列，以提高任务的有效性和效率。该研究方向的成果已在60个任务中的20个应用中得到验证，显著提升了任务完成度，并在英语和中文环境中均优于现有框架。此研究对于移动操作助手的发展具有深远影响，特别是在提升用户交互体验和自动化流程的优化方面具有重要应用价值。