ИССЛЕДОВАНИЕ · RESEARCH · #2088
MAI-Gym: открытая платформа и MAI-Gym-9B для масштабного обучения и оценки GUI-агентов
MAI-Gym — открытая «всё-в-одном» платформа, объединяющая оценку GUI-агентов, сбор данных и онлайн-RL для мобильных, настольных и веб-сред; поддерживается десять бенчмарков и масштабирование до 20 000 параллельных инстансов, реализована автоматическая генерация приложений и верификация задач. На платформе обучен MAI-Gym-9B (9B параметров) с результатами 78,4% на MobileWorld и 76,2% на OSWorld-Verified; показано улучшение переноса из замоканного приложения продажи билетов на физический телефон (успех задач с 28,8% до 48,1%); опубликованы фреймворк, навыки синтеза, замоканные приложения, 2 000 верифицированных задач и контрольная точка модели (arXiv:2610.20939v1).
КЛЮЧЕВЫЕ ТЕЗИСЫ
- MAI-Gym — открытая «всё-в-одном» платформа, объединяющая оценку GUI-агентов, сбор данных и онлайн-RL для мобильных, настольных и веб-сред; поддерживается десять бенчмарков и масштабирование до 20 000 параллельных инстансов, реализована автоматическая генерация приложений и верификация задач.
- На платформе обучен MAI-Gym-9B (9B параметров) с результатами 78,4% на MobileWorld и 76,2% на OSWorld-Verified; показано улучшение переноса из замоканного приложения продажи билетов на физический телефон (успех задач с 28,8% до 48,1%); опубликованы фреймворк, навыки синтеза, замоканные приложения, 2 000 верифицированных задач и контрольная точка модели (arXiv:2610.20939v1).
- Релиз даёт открытую масштабируемую инфраструктуру, большой набор синтетических задач и опубликованную контрольную точку 9B, что ускоряет воспроизводимое обучение RL и достижение SOTA-результатов для GUI-агентов (до 10B параметров), включая подтверждённый перенос на реальные устройства.
ПОЧЕМУ ЭТО ВАЖНО
Релиз даёт открытую масштабируемую инфраструктуру, большой набор синтетических задач и опубликованную контрольную точку 9B, что ускоряет воспроизводимое обучение RL и достижение SOTA-результатов для GUI-агентов (до 10B параметров), включая подтверждённый перенос на реальные устройства.