OpenMobile-2 beweist, dass Open-Source-Smartphone-Agenten mit proprietären Modellen konkurrieren können
decoder ·
Forscher der Nanjing-Universität und SenseTime haben OpenMobile-2 veröffentlicht, einen Open-Source-KI-Smartphone-Agenten, der in der Leistung mit proprietären Modellen mithalten kann. Das Projekt nutzt zwei auf Qwen basierende Modelle mit neun bzw. 27 Milliarden Parametern, die in einer simulierten Umgebung mit über 110 Anwendungen trainiert wurden. Eine zentrale Erkenntnis der Studie ist, dass Trainingsdiversität über viele Apps hinweg die Erfolgsquoten bei nicht zuvor gesehenen Anwendungen deutlich stärker verbessert als eine reine Erhöhung des Datenvolumens. Auf echten Android-Geräten erreichte das größere Modell ein Ergebnis von 59,6 im SPA-Bench, was den höchsten Wert unter den Open-Source-Modellen darstellt. Das Trainingsschema umfasste den Nachbau beliebter chinesischer und globaler Apps, um eine sichere, wiederholbare Praxis ohne Login- oder Kaufhürden zu ermöglichen. Darüber hinaus wurden die Agenten darauf trainiert, bei Verfügbarkeit direkte Befehle zu nutzen, wodurch sie komplexe Menünavigationen überspringen und Aufgaben in weniger Schritten abschließen konnten. Obwohl Reinforcement Learning gewisse Vorteile bot, stammten die Hauptgewinne aus dem hybriden Ansatz, der Bildschirmaktionen mit freigegebenen App-Tools kombinierte. Diese Arbeit zeigt, dass Open-Source-Agenten durch innovative Trainingsmethoden effektiv mit geschlossenen Systemen wie Googles Gemini konkurrieren können.
decoder