Tongyi-MAI 연구진이 모바일·컴퓨터·웹 환경에서 GUI 에이전트를 평가하고 데이터를 수집하며 온라인 강화학습으로 훈련하는 오픈 플랫폼 MAI-Gym을 공개했습니다. 공유 롤아웃 파이프라인을 적용해 평가와 훈련 과정에서 에이전트의 동작을 일관되게 유지하며, 기존 벤치마크 10개를 지원하고 환경 인스턴스 20,000개를 병렬 실행할 수 있습니다. 연구진은 높은 상호작용 비용과 현실적인 작업 부족 때문에 GUI 에이전트 강화학습을 확장하기 어려웠다고 설명했습니다.

MAI-Gym은 초기화할 수 있는 시뮬레이션 앱과 여러 앱에 걸친 연계 작업 등 다양한 앱과 작업을 생성하며, 코드 기반 검증기로 작업 수행 여부를 확인합니다. 공개 구성에는 시뮬레이션 앱 49개, 검증된 작업 2,000개, 재사용 가능한 합성 기술과 모델 가중치가 포함됐습니다. 연구진은 모바일과 컴퓨터 사용을 함께 처리하는 9B 매개변수 에이전트 MAI-Gym-9B를 훈련했으며, MobileWorld에서 78.4%, OSWorld-Verified에서 76.2%를 기록했다고 밝혔습니다. 연구진은 이를 매개변수가 10B 미만인 공개 GUI 에이전트 가운데 최고 성능이라고 설명했습니다.

시뮬레이션 열차표 구매 앱에서 강화학습을 적용한 결과, 실제 휴대전화의 대응 작업 성공률은 28.8%에서 48.1%로 올랐습니다. 연구진은 재현 가능한 연구와 GUI 에이전트 훈련에 관한 후속 연구를 지원하기 위해 프레임워크, 앱, 작업, 합성 기술과 모델 체크포인트를 공개하고 있습니다. 논문은 10월 14일 발표됐고 10월 16일 Hugging Face Papers에 제출됐습니다.

Tongyi-MAI 연구진이 모바일·컴퓨터·웹 환경에서 GUI 에이전트를 평가하고 데이터를 수집하며 온라인 강화학습으로 훈련하는 오픈 플랫폼 MAI-Gym을 공개했습니다. 공유 롤아웃 파이프라인을 적용해 평가와 훈련 과정에서 에이전트의 동작을 일관되게 유지하며, 기존 벤치마크 10개를 지원하고 환경 인스턴스 20,000개를 병렬 실행할 수 있습니다. 연구진은 높은 상호작용 비용과 현실적인 작업 부족 때문에 GUI 에이전트 강화학습을 확장하기 어려웠다고 설명했습니다.

MAI-Gym은 초기화할 수 있는 시뮬레이션 앱과 여러 앱에 걸친 연계 작업 등 다양한 앱과 작업을 생성하며, 코드 기반 검증기로 작업 수행 여부를 확인합니다. 공개 구성에는 시뮬레이션 앱 49개, 검증된 작업 2,000개, 재사용 가능한 합성 기술과 모델 가중치가 포함됐습니다. 연구진은 모바일과 컴퓨터 사용을 함께 처리하는 9B 매개변수 에이전트 MAI-Gym-9B를 훈련했으며, MobileWorld에서 78.4%, OSWorld-Verified에서 76.2%를 기록했다고 밝혔습니다. 연구진은 이를 매개변수가 10B 미만인 공개 GUI 에이전트 가운데 최고 성능이라고 설명했습니다.

시뮬레이션 열차표 구매 앱에서 강화학습을 적용한 결과, 실제 휴대전화의 대응 작업 성공률은 28.8%에서 48.1%로 올랐습니다. 연구진은 재현 가능한 연구와 GUI 에이전트 훈련에 관한 후속 연구를 지원하기 위해 프레임워크, 앱, 작업, 합성 기술과 모델 체크포인트를 공개하고 있습니다. 논문은 10월 14일 발표됐고 10월 16일 Hugging Face Papers에 제출됐습니다.