MobileGPT: 人間のようなアプリ記憶を持つLLMによるモバイルタスク自動化の強化

大規模言語モデル（LLMs）の出現は、モバイルタスク自動化の分野に新しい機会を開きました。これらは優れた言語理解能力と推論能力を持ち、ユーザーが複雑で繰り返し行われるタスクを自動化することを可能にします。しかし、LLMsの内在的な信頼性の欠如と高い運用コストのため、実用性はかなり制限されています。これらの問題に対処するため、本論文では人間のようなアプリ記憶を備えた革新的なLLMベースのモバイルタスク自動化ツールであるMobileGPT1を紹介します。MobileGPTは、モバイルアプリと対話する人間の認知プロセス---探索、選択、導出、想起---を模倣します。このアプローチにより、タスクの手順をより正確かつ効率的に学習できるようになり、再利用、再配置、さまざまな目的に適応可能な小さなモジュール式のサブタスクに分解されます。MobileGPTはオンラインLLMサービス（GPT-3.5およびGPT-4）を使用して実装され、18のモバイルアプリにまたがる185のタスクのデータセットでその性能を評価します。その結果、MobileGPTは82.7%の精度で新しいタスクを自動化し学習でき、異なるコンテキストに対してはほぼ完璧な（98.75%）精度で適応できることが示され、GPT-4を使用したベースラインと比較してレイテンシとコストをそれぞれ62.5%および68.8%削減しました。