arxiv arXiv cs.AI · hace 1 h · research

Qwen-UI-Agent establece el estado del arte en pruebas de uso móvil

Traducido del English → Español

El equipo de Qwen ha publicado un informe técnico para Qwen-UI-Agent, un agente GUI fundamental centrado en el mundo real diseñado para operar de forma fiable en entornos móviles, de uso en computadora, web y DeepSearch. El sistema combina diversos entornos de sandbox con una ejecución móvil a gran escala en dispositivos reales, intercalando operaciones GUI con ejecución CLI y apoyando tareas de largo alcance.

Alcanza 82.1% en MobileWorld, 92.2% en MobileWorld-Real y 97.5% en AndroidDaily benchmarks.
Llega a 79.5% en OSWorld-Verified y una puntuación de progreso parcial de 40.0% en OSWorld-v2 para uso en computadora.
Obtiene 73.6% en WebArena y 81.5% en ScreenSpot-Pro para uso del navegador y fundamentación GUI.
Utiliza un flywheel de datos estilo AutoResearch y RL en línea con más de 10,000 entornos concurrentes.

Qwen-UI-Agent establece el rendimiento de estado del arte en pruebas de uso móvil mientras ofrece resultados competitivos frente a modelos de vanguardia como Opus 4.8, Gemini 3.1 Pro y GPT-5.6 Sol.

Importancia 2/3 arXiv cs.AI Alibaba (Qwen) AI agents Research paper

Benchmarks

Benchmark	Modelo	Puntuación
WebArena	Qwen-UI-Agent	73.6%

Artículos relacionados

arxiv arXiv cs.CL · hace 3 d

AgentOmnia escala modelos agénticos en aplicaciones de escenario completo

Los investigadores presentan AgentOmnia, un marco para el escalado agéntico de escenario completo que coordina la definición del espacio de tareas, la síntesis de datos, el post-entrenamiento, la evaluación y la mejora en aplicaciones To-Consumer, To-Business y To-Employee. El sistema utiliza una taxonomía extensible y construye 5.018 entornos con estado con 255.375 herramientas y 52.361 tareas para permitir un diagnóstico fino a través de OmniaBench.

arxiv arXiv cs.LG · hace 14 d

TRACE mejora el uso de herramientas en agentes de horizonte largo mediante estimación de crédito por turno

Los autores proponen TRACE (Turn-level Reward Assignment via Credit Estimation), un método de asignación de crédito denso para el aprendizaje por refuerzo agéntico que aborda la escasez y alta varianza de las recompensas de resultado en tareas de horizonte largo. Al representar los rollouts como transiciones de estado en los límites de llamadas a herramientas y derivar recompensas por acción a partir de valores de estado con log-ratio, TRACE permite un entrenamiento efectivo sin críticos adicionales ni etapas de ajuste fino supervisado.

arxiv arXiv cs.AI · hace 36 d · 1 vista

Optimización de habilidades impulsada por hipótesis para agentes LLM

HDSO permite actualizaciones de habilidades seguras y auditables para agentes LLM sin entrenamiento, utilizando hipótesis falsables y validación. En ALFWorld, mejora a Qwen3-8B en +6.9 puntos de SR promedio y mantiene una ganancia de +7.1 puntos bajo retroalimentación ruidosa, con habilidades validadas transferibles entre ejecuciones y modelos cuando se logra la alineación diagnóstica.

arxiv arXiv cs.CL · hace 37 d · 6 vistas

Qwen-AgentWorld: Modelos de mundo lingüístico para agentes generales

Qwen-AgentWorld-35B-A3B y Qwen-AgentWorld-397B-A17B son los primeros modelos de mundo lingüístico que simulan entornos agénticos en siete dominios utilizando razonamiento de cadena de pensamiento largo. Entrenados mediante una canalización de tres etapas—CPT, SFT y RL—estos modelos superan a los modelos fronterizos existentes en AgentWorldBench, un benchmark derivado de interacciones del mundo real de cinco modelos en nueve tareas establecidas.

arxiv arXiv cs.AI · hace 37 d · 2 vistas

Modelo de Mundo Social para Inteligencia Social de por Vida

El Modelo de Mundo Social descompone la interacción social en cinco dimensiones para permitir el aprendizaje en bucle cerrado. Permite que los modelos de código abierto mejoren y retengan sosteniblemente las capacidades sociales, superando a las líneas base e igualando a Gemini 3 Flash de código cerrado en métricas clave sin olvidar a través de niveles de dificultad.