arxiv arXiv cs.AI · 1 ч назад · research

Qwen-UI-Agent устанавливает новый стандарт на бенчмарках мобильного использования

Переведено с English → Русский

Команда Qwen выпустила технический отчёт по Qwen-UI-Agent, фундаментальному агенту графического интерфейса, ориентированному на реальные сценарии и предназначенному для надёжной работы в средах мобильных устройств, компьютерного использования, веб-интерфейсов и DeepSearch. Система объединяет разнообразные среды песочницы с крупномасштабным мобильным рантаймом на реальных устройствах, чередуя операции GUI с выполнением CLI и поддерживая задачи с длительным горизонтом.

Достигает 82,1% на MobileWorld, 92,2% на MobileWorld-Real и 97,5% на AndroidDaily.
Показывает 79,5% на OSWorld-Verified и частичный прогресс 40,0% на OSWorld-v2 для компьютерного использования.
Набирает 73,6% на WebArena и 81,5% на ScreenSpot-Pro для браузерного использования и привязки GUI.
Использует цикл данных в стиле AutoResearch и онлайн RL с более чем 10 000 одновременных сред.

Qwen-UI-Agent устанавливает новые рекорды на бенчмарках мобильного использования, демонстрируя конкурентоспособные результаты по сравнению с передовыми моделями, такими как Opus 4.8, Gemini 3.1 Pro и GPT-5.6 Sol.

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

Бенчмарки

Бенчмарк	Модель	Результат
WebArena	Qwen-UI-Agent	73.6%

Оригинал

Похожие статьи

arxiv arXiv cs.CL · 3 д назад

AgentOmnia масштабирует агентные модели для приложений полного цикла

Исследователи представляют AgentOmnia — фреймворк для масштабирования агентных моделей в приложениях полного цикла, который координирует определение пространства задач, синтез данных, постобучение, оценку и улучшение для приложений To-Consumer, To-Business и To-Employee. Система использует расширяемую таксономию и создаёт 5018 состоятельных окружений с 255375 инструментами и 52361 задачей, чтобы обеспечить детализированную диагностику через OmniaBench.

arxiv arXiv cs.LG · 14 д назад

TRACE улучшает долгосрочное использование инструментов агентами через оценку кредита на уровне шагов

Авторы предлагают TRACE (Turn-level Reward Assignment via Credit Estimation), метод плотного распределения кредита для агентного обучения с подкреплением, который решает проблему разреженности и высокой дисперсии наград за результат в задачах с длинным горизонтом. Представляя прогнаты как переходы состояний на границах вызовов инструментов и выводя награды за каждое действие из логарифмического отношения значений состояний, TRACE позволяет эффективно обучать модель без дополнительных критиков или этапов супервизированного дообучения.

arxiv arXiv cs.AI · 36 д назад · 1 просмотр

Гипотеза-ориентированная оптимизация навыков для агентов на основе языковых моделей

HDSO обеспечивает безопасные и проверяемые обновления навыков для агентов на основе языковых моделей без обучения, используя фальсифицируемые гипотезы и проверку. На ALFWorld он улучшает Qwen3-8B на +6,9 точек среднего результата, и сохраняет прирост в +7,1 точку при шумной обратной связи, при этом проверенные навыки передаются между запусками и моделями при достижении диагностической синхронизации.

arxiv arXiv cs.CL · 37 д назад · 6 просмотров

Qwen-AgentWorld: Языковые модели мира для общих агентов

Qwen-AgentWorld-35B-A3B и Qwen-AgentWorld-397B-A17B — это первые языковые модели мира, которые имитируют агентские среды в семи областях с помощью длинной цепи мышления. Обученные с помощью трехэтапной схемы — CPT, SFT и RL — эти модели превосходят существующие передовые модели на AgentWorldBench, критерии, полученные из реальных взаимодействий пяти моделей на девяти установленных задачах.

arxiv arXiv cs.AI · 37 д назад · 2 просмотра

Модель социального мира для долгосрочной социальной интеллектуальности

Модель социального мира разбивает социальные взаимодействия на пять измерений для обеспечения обучения в замкнутом цикле. Она позволяет открытым источникам моделей стабильно улучшаться и сохранять социальные способности, превосходя базовые модели и достигая ключевых показателей, сравнимых с закрытым Gemini 3 Flash, без потери при изменении уровня сложности.