GAMBIT
收藏资源简介：
GAMBIT是一个为评估移动GUI代理在长周期规划和复杂决策任务上的能力而设计的基准。它通过图结构的决策感知任务，系统地评估和提升现代代理在现实场景中的条件推理和长期规划能力。
GAMBIT is a benchmark designed to evaluate the capabilities of mobile GUI agents in long-horizon planning and complex decision-making tasks. It uses graph-structured decision-aware tasks to systematically assess and enhance the conditional reasoning and long-term planning abilities of modern agents in real-world scenarios.
GAMBIT 数据集概述
数据集简介
GAMBIT 是一个用于评估移动 GUI 智能体在长程规划和复杂决策任务中表现的基准测试。该基准通过引入图结构、决策感知任务，系统性地评估现代智能体在真实场景中的能力。
数据组织结构
数据集解压后结构如下：
GAMBIT ├── data │ ├── annotations │ │ └── .json │ ├── screenshots │ │ └── data_ │ │ └── *.png
标注文件结构
JSON 标注文件包含以下字段：
- episode_id (str): 任务片段标识符
- w, h (int): 截图宽度和高度
- device_info (dict): 设备信息字典
- instruction (str): 自然语言任务指令
- category (str): 任务类型，包括：single、and(Conjunctive)、chain(Sequential)、selection(Conditional)、nested(Hierarchical)
- APP (list): 涉及的应用列表
- steps (list): 步骤列表，包含截图路径、步骤指令和动作
- atomic_instructions (dict): 原子动作字典
- seq (dict): 分支序列字典（仅 selection 和 nested 类型包含）
- seq_step: 分支步骤ID（仅 selection 和 nested 类型包含）
- instruction_cn (str): 中文版任务指令
动作空间
支持的动作类型及参数格式：
- Click[int, int, int, int]: 在屏幕区域 [x, y, m, n] 内点击
- long_press[int, int, int, int]: 长按屏幕指定位置
- scroll[int, int, int, int]: 滚动操作，指定起始和结束点坐标
- type(str): 文本输入，参数为输入文本
- navigate_home: 返回主页
- navigate_back: 返回上一页
- complete: 任务完成
- impossible: 任务无法完成
- wait: 等待数秒
引用信息
如需在研究中引用 GAMBIT，请使用以下文献格式： bibtex @article{anonymous2026gambit, title={{GAMBIT}: {A} Graph-Structured and Decision-Aware Benchmark for Mobile {GUI} Tasks}, author={Anonymous Authors}, journal={Submitted to International Conference on Learning Representations (ICLR)}, year={2026} }
相关资源
- 代码仓库：https://github.com/melonthrower/GAMBIT/tree/master
- 论文地址：https://openreview.net/pdf?id=MDxLNScqiK
