Makalah ini memperkenalkan GUI-Owl-1.5, model agen GUI asli yang memiliki varian instruksi dan pemikiran dengan ukuran berkisar dari 2B hingga 235B parameter. Model ini mendukung berbagai platform termasuk lingkungan desktop, mobile, dan browser untuk memungkinkan kolaborasi cloud-edge dan interaksi real-time.
- Mencapai hasil state-of-the-art pada lebih dari 20 benchmark GUI di antara model open-source, dengan skor 56.5 pada OSWorld, 71.6 pada AndroidWorld, dan 48.4 pada WebArena untuk tugas otomatisasi.
- Mencapai 80.3 pada ScreenSpotPro untuk tugas grounding, 47.6 pada OSWorld-MCP dan 46.8 pada MobileWorld untuk pemanggilan alat, serta 75.5 pada GUI-Knowledge Bench untuk tugas memori dan pengetahuan.
- Menggabungkan Hybrid Data Flywheel yang menggunakan lingkungan sandbox simulasi dan berbasis cloud untuk meningkatkan efisiensi dan kualitas pengumpulan data.
- Memanfaatkan pipeline thought-synthesis terpadu untuk meningkatkan kemampuan penalaran, dengan fokus pada penggunaan Alat/MCP, memori, dan adaptasi multi-agen.
- Mengusulkan algoritma RL lingkungan MRPO untuk mengatasi konflik multi-platform dan efisiensi pelatihan yang rendah pada tugas jangka panjang.
Model GUI-Owl-1.5 telah di-open-source, dengan demo sandbox cloud online tersedia.