AndroidControl & GUI-Odyssey 测评

[sugarandgugu]

能否给出AndroidControl和GUI-O的测评代码，以及想问下你们follow的是哪个setting?谢谢！

[TianlongLee]

+1， 按照官方提供的提示词和部署方式，实测ac和o的效果都要低上10个点以上，能否提供一个可行评估脚本或参考呢

[lll6gg]

同求评测代码

[xuzhang37]

感谢对我们工作的关注。

关于offline测评集复现的问题，我们建议采用如下测评setting：

鉴于offline测评集相对简单，prompt采用 无thinking版本 ，只保留历史对话信息和当前截图即可；历史对话信息中不需要加入thinking的内容，仅保留toolcall内容即可。

关于odyssey测评，我们follow的是AgentCPM测评框架，详情可参考： https://github.com/OpenBMB/AgentCPM-GUI/tree/main/eval

关于andoridcontrol的测评，我们follow的是qwen3团队提供的测评办法，详情可参考：QwenLM/Qwen3-VL#904