Para peneliti telah merilis Mobile-Agent-v3, sebuah kerangka agen GUI tujuan umum yang dibangun di atas model dasar GUI-Owl, yang mencapai kinerja state-of-the-art di antara model end-to-end open-source di sepuluh benchmark GUI. Sistem ini menggabungkan GUI-Owl-7B dengan kerangka produksi lintasan yang berevolusi sendiri dan pembelajaran penguatan yang dapat diskalakan untuk meningkatkan kemampuan otomatisasi.
- GUI-Owl-7B mencapai 66.4 di AndroidWorld dan 29.4 di OSWorld, sementara Mobile-Agent-v3 meningkatkan skor ini menjadi 73.3 dan 37.7 secara berurutan.
- Kerangka ini memanfaatkan lingkungan virtual berbasis cloud yang mencakup Android, Ubuntu, macOS, dan Windows untuk menghasilkan data interaksi berkualitas tinggi melalui generasi kueri otomatis dan validasi kebenaran.
- GUI-Owl mengintegrasikan penjangkaran UI, perencanaan, semantik aksi, dan pola penalaran untuk mendukung pengambilan keputusan end-to-end sebagai komponen modular dalam sistem multi-agen.
- Tim mengembangkan Optimisasi Kebijakan Relatif Sadar Lintasan (TRPO) untuk pembelajaran penguatan online, mencapai 34.9 di OSWorld dengan pelatihan sepenuhnya asinkron.
Model open-source menyediakan loop peningkatan mandiri yang mengurangi persyaratan anotasi manual dan memungkinkan penyesuaian dunia nyata untuk tugas otomatisasi GUI.