Android Instruct 数据集，该数据集包含 94.3k 条操作记录，用于细调模型。
A NDROID L AB 基准测试提出了显著的挑战，因为即使是领先的模型 GPT-4o 也只能达到 31.16% 的成功率。
ANDROID L AB 定义了一组动作空间和两种操作模式，形成了 ANDROID L AB 环境。我们采用了前人工作中的主要动作空间，并增加了一个模型返回值（完成动作）。这两种基本的操作模式是 SoM（Yang et al., 2023a）和仅 XML 模式，区别在于代理是否可以访问手机屏幕的快照。
如何关闭windows自动更新：
js展开代码reg add "HKLM\SOFTWARE\Microsoft\WindowsUpdate\UX\Settings" /v FlightSettingsMaxPauseDays /t REG_DWORD /d 3650 /f
要操作就是下面一系列操作，等效于上面那个指令：
win+R，输入regedit，如图：
拉：
bash展开代码docker pull ollama/ollama
运行
bash展开代码docker run -d --rm -p 11434:11434 --gpus device=3 \
-v /ssd/xiedong/openwebui-test/ollama:/root/.ollama \
--name ollama ollama/ollama
docker run -d --rm -p 11435:11434 --gpus device=2 \
-v /ssd/xiedong/openwebui-test/ollama:/root/.ollama \
--name ollama2 ollama/ollama
进容器：
展开代码docker exec -it ollama bash docker exec -it ollama2 bash
退出容器就嘎了，我直接tmux:
bash展开代码apt update && apt install -y tmux
运行模型：
bash展开代码ollama run qwen2.5:72b-instruct ollama run qwen2.5:32b-instruct
拉：
bash展开代码docker pull ollama/ollama
运行
bash展开代码docker run -d --rm -p 11434:11434 --gpus device=3 \
-v /ssd/xiedong/openwebui-test/ollama:/root/.ollama \
--name ollama ollama/ollama
进容器：
展开代码docker exec -it ollama bash
运行模型：
bash展开代码ollama run qwen2.5-coder:32b
退出容器就嘎了，我直接tmux:
bash展开代码apt update && apt install -y tmux
前言
gpt或者别的大模型，在openwebui里使用起来很难受，因为没有编排技术。
何为编排技术？：比如在下面对话里，先模仿大模型ASSISTANT回答一句，大模型ASSISTANT会更好适应这种模式，也就是做出示范后，模型可以按照样板回答，这在很多应用场合是非常有用的。
展开代码USER：无论我说什么，你都说你是小明。 ASSISTANT：我是小明。 USER：你是谁？
https://arxiv.org/abs/2405.20797
https://github.com/AIDC-AI/Ovis
国内下载预训练模型快捷方式：
bash展开代码conda create -n modelscope python=3.10
conda activate modelscope
pip install modelscope
modelscope download --model 'AIDC-AI/Ovis1.6-Gemma2-9B' --local_dir '/data/xiedong/AIDC-AI/Ovis1.6-Gemma2-9B'
纯英文模型，不是中英文模型，算法，不调了：
目的
大家都在玩app-agents，一个统一的android操作框架和评估方法是被需要的，这篇论文开源了他们的框架，名为AndroidLab。
