OpenMobile-2 demuestra que los agentes de teléfono inteligente de código abierto pueden rivalizar con los modelos propietarios
decoder ·
Investigadores de la Universidad de Nanjing y SenseTime han lanzado OpenMobile-2, un agente de IA para smartphones de código abierto que rivaliza en rendimiento con modelos propietarios. El proyecto utiliza dos modelos basados en Qwen con 9.000 y 27.000 millones de parámetros, entrenados en un entorno simulado que contiene más de 110 aplicaciones. Un hallazgo clave del estudio es que la diversidad del entrenamiento entre muchas aplicaciones mejora significativamente las tasas de éxito en aplicaciones no vistas, más que el aumento del volumen de datos por sí solo. En dispositivos Android reales, el modelo más grande obtuvo una puntuación de 59,6 en SPA-Bench, marcando el resultado más alto entre los modelos de código abierto. La configuración de entrenamiento implicó reconstruir aplicaciones chinas y globales populares para permitir una práctica segura y repetible sin barreras de inicio de sesión o compra. Además, los agentes fueron entrenados para usar comandos directos cuando estaban disponibles, lo que les permitía omitir la navegación compleja por menús y completar tareas en menos pasos. Si bien el aprendizaje por refuerzo proporcionó algunos beneficios, las ganancias principales provinieron del enfoque híbrido que combina acciones en pantalla con herramientas expuestas de las aplicaciones. Este trabajo demuestra que los agentes de código abierto pueden competir eficazmente con sistemas cerrados como Gemini de Google mediante metodologías de entrenamiento innovadoras.
decoder