arxiv arXiv cs.AI · há 1 h · research

Qwen-UI-Agent estabelece estado da arte em benchmarks de uso móvel

Traduzido do English → Português (BR)

A equipe do Qwen publicou um relatório técnico para o Qwen-UI-Agent, um agente GUI fundamental centrado no mundo real, projetado para operar de forma confiável em ambientes móveis, de uso em computadores, web e DeepSearch. O sistema combina diversos ambientes sandbox com uma execução móvel em dispositivos reais em larga escala, intercalando operações de GUI com execução de CLI e suportando tarefas de longo prazo.

Alcança 82,1% no MobileWorld, 92,2% no MobileWorld-Real e 97,5% nos benchmarks AndroidDaily.
Atinge 79,5% no OSWorld-Verified e uma pontuação de progresso parcial de 40,0% no OSWorld-v2 para uso em computadores.
Pontua 73,6% no WebArena e 81,5% no ScreenSpot-Pro para uso de navegador e fundamentação de GUI.
Utiliza um ciclo de dados estilo AutoResearch e RL online com mais de 10.000 ambientes concorrentes.

O Qwen-UI-Agent estabelece desempenho de estado da arte em benchmarks de uso móvel, enquanto entrega resultados competitivos contra modelos de ponta como Opus 4.8, Gemini 3.1 Pro e GPT-5.6 Sol.

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

Benchmarks

Benchmark	Modelo	Pontuação
WebArena	Qwen-UI-Agent	73.6%

Artigos relacionados

arxiv arXiv cs.CL · há 3 d

AgentOmnia escala modelos agênticos em aplicações de cenários completos

Pesquisadores apresentam o AgentOmnia, um framework para escalonamento agêntrico de cenários completos que coordena a definição do espaço de tarefas, síntese de dados, pós-treinamento, avaliação e melhoria em aplicações To-Consumer, To-Business e To-Employee. O sistema utiliza uma taxonomia extensível e constrói 5.018 ambientes com estado contendo 255.375 ferramentas e 52.361 tarefas para permitir diagnóstico fino por meio do OmniaBench.

arxiv arXiv cs.LG · há 14 d

TRACE melhora o uso de ferramentas por agentes de longo prazo via estimativa de crédito por turno

Os autores propõem o TRACE (Turn-level Reward Assignment via Credit Estimation), um método de atribuição de crédito denso para aprendizado por reforço agêntico que aborda a esparsidade e a alta variância das recompensas de resultado em tarefas de longo prazo. Ao representar os rollouts como transições de estado nas fronteiras de chamadas de ferramentas e derivar recompensas por ação a partir de valores de estado com log-ratio, o TRACE permite treinamento eficaz sem críticos adicionais ou estágios de ajuste fino supervisionado.

arxiv Moonshot AI (arXiv) · há 276 d · 1 visualização

Relatório Técnico do Tongyi DeepResearch

O Relatório Técnico do Tongyi DeepResearch apresenta um modelo de linguagem grande agêntico projetado para tarefas de pesquisa profunda e de longo alcance na busca por informações. O sistema utiliza um pipeline de síntese de dados totalmente automático e uma estrutura de treinamento de ponta a ponta que combina treinamento intermediário agêntico e pós-treinamento para permitir raciocínio escalável.

arxiv arXiv cs.CL · há 1 d

Living-Harness autoevolui para melhorar o Pass@1 em ~10 pontos

Pesquisadores propõem o Living-Harness, um harness de agente que se autoevolui e converte trajetórias concluídas e sinais do avaliador em evidência posterior para atualizações limitadas do harness. Guiado por um Evolution-SOP, o sistema extrai abstrações de episódios e evidências estruturadas de atualização para escrever memória episódica e grafos de estado.

arxiv arXiv cs.CL · há 2 d

Relay-OPD reduz o comprimento da trajetória de treinamento em mais de 50% na destilação on-policy

Pesquisadores introduzem a Destilação On-Policy com Relay (Relay-OPD) para abordar a falha de prefixo na destilação on-policy padrão, onde os erros do estudante levam a uma supervisão não confiável. O método utiliza uma assimetria de continuação entre professor e estudante como gatilho para que o professor assuma brevemente o controle e redirecione a trajetória antes que o estudante retome.