🎯 情报来源：量子位
淘天集团未来生活实验室与点淘算法团队联合推出Mobile-R1交互式强化学习框架，通过创新性任务级奖励机制，使3B参数模型（Qwen2.5-VL-3B）在移动应用任务执行成功率达到49.4%，不仅超越其标准版本，更显著领先32B参数基准模型近20个百分点。该研究构建包含4,635条人工标注轨迹的数据集，通过三阶段训练实现技术突破。
💡 核心要点
- 性能突破：3B参数Mobile-R1模型任务成功率49.4%，超过32B基准模型20个点
- 数据集规模：构建4,635条高质量人工标注轨迹，包含24,521个单步数据
- 训练架构：三阶段训练（格式微调+动作级GRPO+任务级GRPO），Stage3使成功率再提升1.4点
- 泛化能力：在28个中国主流APP测试中展现优异跨应用适应性
- 资源开放：完整开源数据集、训练框架ROLL及项目代码
📌 情报分析
技术价值：极高
首创任务级奖励机制破解移动Agent多步决策难题，三阶段训练框架将3B模型性能提升至超越32B模型的水平，技术路径具有可复制性。
商业价值：高
针对中国移动生态优化的解决方案，在电商、本地生活等场景可直接落地，淘天自有场景已验证49.4%的任务成功率。
趋势预测：高
证明小模型通过专项优化可匹敌大模型，或将推动行业转向「轻量化+垂直训练」的技术路线，开源资源加速移动Agent领域发展。