注册

WildAWM 用开源模型合成计算机使用智能体训练环境

论文AI 评分 78/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇 arXiv 论文提出 WildAWM，一条可扩展的流水线，用于合成可控环境与任务，以训练通用计算机使用智能体。与只针对单一交互界面的做法不同，它构建的可执行环境同时支持图形界面、模型上下文协议服务与命令行，让智能体组合视觉操作、工具调用和代码执行。整条流水线完全由开源模型驱动。作者用执行式质量门控解决任务可解性、难度与验证可靠性问题，合成出 341 个长程环境-任务对，部分需超过 100 步才能完成，GPT-6-Astra 仅解出 60%。用这些合成环境训练的两个不同规模 Qwen 模型，在覆盖网页、claw 与计算机使用智能体的 8 个分布外基准上均有明显提升，代码已公开。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

为什么要合成环境

论文指出，智能体的学习方式正从依赖人类数据转向通过与世界交互来学习，但直接在真实计算机系统中扩大这类学习规模存在困难，并可能带来显著安全风险。WildAWM 因此把环境与任务搬进可合成的可控世界：由流水线自动生成可执行环境及配套任务，供通用计算机使用智能体训练使用。与只面向单一智能体交互界面的既有做法不同，这里的环境同时支持图形用户界面、模型上下文协议服务与命令行接口，智能体可以在视觉交互、工具调用与代码执行之间灵活组合。

全开源模型与质量门控

材料强调整条流水线完全由开源模型驱动，说明高质量计算机使用环境不必依赖专有前沿模型即可生成。任务合成方面，作者针对三个反复出现的问题设置执行式质量门控：任务是否可解、难度是否足够、验证器是否可靠。具体手段包括异构智能体多次试跑、交叉评判一致性检查，以及对判断稳健性的反事实探测。这些门控在任务进入训练集之前进行筛选，目的是让合成出的环境-任务对既有解、又足够难，并且能被可靠判定。

任务难度与训练效果

流水线最终合成 341 个长程环境-任务对，其中部分任务需要智能体执行超过 100 步才能完成，对前沿模型仍具挑战性——GPT-6-Astra 只解出其中的 60%。作者用这些合成世界专门训练了两个不同规模的 Qwen 模型，二者在覆盖网页、claw 与计算机使用智能体的 8 个分布外基准上都取得明显提升，表明在 WildAWM 合成世界中学到的能力可以泛化到未见过的计算机使用任务。论文代码已公开。

为什么值得看

想训练计算机使用智能体却缺环境与任务的团队，可看它如何用开源模型批量合成可执行环境并保证任务可验证。

GPTQwen智能体开源模型论文

信源1 家

  1. [1]arXiv cs.AI一手信源Agent World Model in the Wild: Computer-Use Agent Environment Synthesis

关键事实

  • WildAWM 构建的可执行环境同时支持图形用户界面、模型上下文协议服务和命令行接口[1]

  • 整条流水线完全由开源模型驱动，不依赖专有前沿模型[1]

  • 合成出 341 个长程环境-任务对，部分任务需要超过 100 个智能体步骤[1]

  • GPT-6-Astra 在这些任务上仅解出 60%[1]

  • 两个不同规模的 Qwen 模型仅在该合成世界中训练，在 8 个分布外基准上均取得明显提升[1]

相关 · 论文

研究者提出用「逆向博弈论」约束AI智能体行为

11月3日 周二·AI 58

北大孙仲联合IBM等发布综述，重新定义现代模拟计算

11月3日 周二·AI 72

OpenAI 自 GPT-5.6 起部署激活分类器监控模型输出

11月3日 周二·AI 78

Pixel-UMI：从传感器化人类演示学习全身操作策略

11月3日 周二·AI 72

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论