Pesquisadores lançaram o Mobile-Agent-v3, um framework de agente GUI de propósito geral construído sobre o modelo fundamental GUI-Owl, que alcança desempenho de ponta entre modelos end-to-end open-source em dez benchmarks de GUI. O sistema combina GUI-Owl-7B com um framework de produção de trajetória autoevolutivo e aprendizado por reforço escalável para melhorar as capacidades de automação.
- GUI-Owl-7B atinge 66.4 no AndroidWorld e 29.4 no OSWorld, enquanto o Mobile-Agent-v3 melhora essas pontuações para 73.3 e 37.7 respectivamente.
- O framework utiliza um ambiente virtual baseado em nuvem abrangendo Android, Ubuntu, macOS e Windows para gerar dados de interação de alta qualidade por meio de geração automática de consultas e validação de correção.
- O GUI-Owl integra grounding de UI, planejamento, semântica de ações e padrões de raciocínio para apoiar a tomada de decisão end-to-end como um componente modular em sistemas multiagente.
- A equipe desenvolveu o Trajectory-aware Relative Policy Optimization (TRPO) para aprendizado por reforço online, alcançando 34.9 no OSWorld com treinamento totalmente assíncrono.
Os modelos open-source fornecem um loop de autoaperfeiçoamento que reduz os requisitos de anotação manual e permite o alinhamento do mundo real para tarefas de automação GUI.