arxiv arXiv cs.CL · hace 1 h · research

Qwen lanza Qwen-CUA, un agente nativo de uso informático de 397B-A17B

Traducido del English → Español

Los investigadores han presentado Qwen-CUA, un agente nativo de uso informático construido sobre una base de expertos mixtos Qwen de 397B-A17B. El sistema opera observando capturas de pantalla y actuando a través de eventos de teclado y ratón, sin depender de árboles DOM ni metadatos de accesibilidad.

Mantiene hasta 20 capturas de pantalla activas y consolida el historial visual anterior en bloques de tamaño fijo para conservar la evidencia reciente.
El entrenamiento utilizó una flota de despliegue en la nube con casi 100.000 vCPUs y aproximadamente 40.000 tareas verificables.
Qwen-CUA supera a Qwen3.7 en ocho benchmarks, alcanzando 86,2 en OSWorld-Verified y 18,5/48,4 de finalización binaria/parcial en OSWorld 2.0.
Escalar el enfoque a más de un billón de parámetros produce Qwen-CUA-Max, mejorando las puntuaciones a 87,6 y 21,2/53,3 respectivamente.
El modelo reduce el éxito del ataque RedTeamCUA de 36,6 a 16,4 en comparación con Qwen3.7.

Estos resultados establecen el uso informático nativo como una base de agente ampliamente capaz, destacando la interacción verificable escalable y el uso híbrido de herramientas como direcciones clave.

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

Benchmarks

Benchmark	Modelo	Puntuación
OSWorld 2.0	Qwen-CUA-Max	21.2%
OSWorld 2.0	Qwen-CUA	18.5%

Artículos relacionados

arxiv arXiv cs.AI · hace 4 d · 1 vista

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

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.

arxiv arXiv cs.CL · hace 7 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 19 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 40 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 41 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.