arxiv arXiv cs.LG · il y a 1 h · research

Qwen publie Qwen-CUA, un agent d'utilisation native du ordinateur de 397B-A17B

Traduit de English → Français

Qwen présente Qwen-CUA, un agent d'utilisation native du ordinateur construit sur une colonne vertébrale à experts mélangés de 397B-A17B qui opère via des captures d'écran et des événements d'entrée sans dépendre des arbres DOM ou des métadonnées d'accessibilité. Le système utilise un échafaudage pour maintenir jusqu'à 20 captures d'écran actives et a été entraîné en utilisant une flotte de déploiement cloud avec près de 100 000 vCPUs sur environ 40 000 tâches vérifiables.

Qwen-CUA surpasse Qwen3.7 sur huit benchmarks, atteignant 86.2 sur OSWorld-Verified et des scores compétitifs sur OSWorld 2.0.
L'extension de l'approche à plus d'un billion de paramètres donne Qwen-CUA-Max, qui améliore les scores OSWorld-Verified à 87.6.
Le modèle réduit les taux de réussite des attaques RedTeamCUA de 36.6 à 16.4 par rapport à Qwen3.7.

Ces résultats établissent l'utilisation native du ordinateur comme une base d'agent largement capable et mettent en évidence l'interaction vérifiable évolutive comme une direction clé pour le développement futur.

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

Benchmarks

Benchmark	Modèle	Score
OSWorld 2.0	Qwen-CUA-Max	21.2%
OSWorld 2.0	Qwen-CUA	18.5%

Lire l'original

Articles similaires

arxiv arXiv cs.CL · il y a 5 h · 2 vues

Qwen publie Qwen-CUA, un agent d'utilisation native du ordinateur de 397B-A17B

Les chercheurs ont présenté Qwen-CUA, un agent d'utilisation native du ordinateur construit sur une colonne vertébrale à experts mélangés Qwen de 397B-A17B. Le système fonctionne en observant des captures d'écran et en agissant par le biais d'événements clavier et souris, sans s'appuyer sur les arbres DOM ou les métadonnées d'accessibilité.

arxiv arXiv cs.AI · il y a 4 j · 1 vue

Qwen-UI-Agent établit un record sur les benchmarks d'utilisation mobile

L'équipe Qwen a publié un rapport technique pour Qwen-UI-Agent, un agent GUI fondamental centré sur le monde réel conçu pour fonctionner de manière fiable dans des environnements mobiles, d'utilisation d'ordinateur, web et DeepSearch. Le système combine divers environnements sandbox avec un runtime mobile sur appareil réel à grande échelle, entrelaçant les opérations GUI avec l'exécution CLI et prenant en charge des tâches à long terme.

arxiv arXiv cs.CL · il y a 7 j

AgentOmnia étend les modèles agents à des applications de scénarios complets

Les chercheurs présentent AgentOmnia, un cadre d'échelle agentique pour des scénarios complets qui coordonne la définition de l'espace de tâches, la synthèse de données, le post-entraînement, l'évaluation et l'amélioration dans les applications To-Consumer, To-Business et To-Employee. Le système utilise une taxonomie extensible et construit 5 018 environnements avec état dotés de 255 375 outils et 52 361 tâches pour permettre un diagnostic fin via OmniaBench.

arxiv arXiv cs.LG · il y a 19 j

TRACE améliore l'utilisation d'outils par les agents à long terme via l'estimation du crédit au niveau des tours

Les auteurs proposent TRACE (Turn-level Reward Assignment via Credit Estimation), une méthode d'attribution de crédit dense pour l'apprentissage par renforcement agentique qui traite la parcimonie et la haute variance des récompenses de résultat dans les tâches à long terme. En représentant les rollouts comme des transitions d'état aux limites d'appel d'outil et en déduisant les récompenses par action à partir des valeurs d'état de rapport logarithmique, TRACE permet un entraînement efficace sans critiques supplémentaires ni étapes de réglage fin supervisé.

arxiv Moonshot AI (arXiv) · il y a 280 j · 1 vue

Rapport technique sur Tongyi DeepResearch

Le rapport technique sur Tongyi DeepResearch présente un modèle de langage large (LLM) agentique conçu pour des tâches de recherche d'information approfondies et à long terme. Le système utilise un pipeline de synthèse de données entièrement automatique et un cadre d'entraînement de bout en bout combinant l'entraînement intermédiaire agentique et l'entraînement postérieur pour permettre un raisonnement évolutif.