Tongyi-MAIの研究者は、モバイル、コンピューター、ウェブ環境でGUIエージェントを評価し、データ収集やオンライン強化学習による訓練を行うオープンプラットフォーム「MAI-Gym」を公開しました。評価と訓練でエージェントの動作をそろえる共通の実行パイプラインを備え、既存のベンチマーク10種類に対応します。環境を2万個まで並列実行できます。研究チームは、操作にかかるコストの高さと現実的なタスクの不足が、GUIエージェントの強化学習を大規模化する妨げになってきたと説明しています。

MAI-Gymは、多様なアプリやタスクを生成できます。リセット可能なシミュレーションアプリや、複数のアプリをまたぐ連携タスクに対応し、コードで実行結果を確認する検証機能を備えています。公開内容にはシミュレーションアプリ49種、検証済みタスク2,000件、再利用可能な合成スキル、モデルの重みが含まれます。

研究者は、モバイルとコンピューターを操作する9Bパラメーターの統合エージェント「MAI-Gym-9B」を訓練しました。同モデルはMobileWorldで78.4%、OSWorld-Verifiedで76.2%を記録しました。研究者によると、10B未満のオープンGUIエージェントの中で最先端の成績です。

シミュレーション上の列車予約アプリで強化学習を行ったところ、実機での対応タスクの成功率は28.8%から48.1%に上がりました。研究チームは、再現可能な研究とGUIエージェント訓練のさらなる研究に役立てるため、フレームワーク、アプリ、タスク、合成スキル、モデルのチェックポイントを公開しています。論文は10月14日に発表され、10月16日にHugging Face Papersへ投稿されました。

Tongyi-MAIの研究者は、モバイル、コンピューター、ウェブ環境でGUIエージェントを評価し、データ収集やオンライン強化学習による訓練を行うオープンプラットフォーム「MAI-Gym」を公開しました。評価と訓練でエージェントの動作をそろえる共通の実行パイプラインを備え、既存のベンチマーク10種類に対応します。環境を2万個まで並列実行できます。研究チームは、操作にかかるコストの高さと現実的なタスクの不足が、GUIエージェントの強化学習を大規模化する妨げになってきたと説明しています。

MAI-Gymは、多様なアプリやタスクを生成できます。リセット可能なシミュレーションアプリや、複数のアプリをまたぐ連携タスクに対応し、コードで実行結果を確認する検証機能を備えています。公開内容にはシミュレーションアプリ49種、検証済みタスク2,000件、再利用可能な合成スキル、モデルの重みが含まれます。

研究者は、モバイルとコンピューターを操作する9Bパラメーターの統合エージェント「MAI-Gym-9B」を訓練しました。同モデルはMobileWorldで78.4%、OSWorld-Verifiedで76.2%を記録しました。研究者によると、10B未満のオープンGUIエージェントの中で最先端の成績です。

シミュレーション上の列車予約アプリで強化学習を行ったところ、実機での対応タスクの成功率は28.8%から48.1%に上がりました。研究チームは、再現可能な研究とGUIエージェント訓練のさらなる研究に役立てるため、フレームワーク、アプリ、タスク、合成スキル、モデルのチェックポイントを公開しています。論文は10月14日に発表され、10月16日にHugging Face Papersへ投稿されました。