M$^2$-Miner: Multi-Agent MCTS für mobile GUI-Agenten-Datengewinnung
Graphische Benutzeroberflächen (GUI) sind das Herzstück moderner Mensch-Computer-Interaktion. Damit leistungsfähige GUI-Agenten entstehen, müssen große Mengen an qualitativ hochwertigen Nutzerverhaltensdaten – also Absicht‑Trajektorienpaare – annotiert werden. Traditionelle Annotationsmethoden und bestehende Mining‑Ansätze stoßen dabei häufig auf drei zentrale Probleme: hohe Kosten, schlechte Datenqualität und geringe Datenvielfalt.
