OpenMobile-2 prova que agentes de smartphone de código aberto podem competir com modelos proprietários
decoder ·
Pesquisadores da Universidade de Nanquim e da SenseTime lançaram o OpenMobile-2, um agente de IA para smartphones de código aberto que rivaliza em desempenho com modelos proprietários. O projeto utiliza dois modelos baseados no Qwen, com 9 bilhões e 27 bilhões de parâmetros, treinados em um ambiente simulado contendo mais de 110 aplicativos. Uma descoberta fundamental do estudo é que a diversidade de treinamento em muitos aplicativos melhora significativamente as taxas de sucesso em aplicativos não vistos, mais do que o aumento isolado do volume de dados. Em dispositivos Android reais, o modelo maior alcançou uma pontuação de 59,6 no SPA-Bench, marcando o melhor resultado entre os modelos de código aberto. A configuração de treinamento envolveu a reconstrução de aplicativos populares chineses e globais para permitir prática segura e repetível sem barreiras de login ou compra. Além disso, os agentes foram treinados para usar comandos diretos quando disponíveis, permitindo que pulem a navegação complexa por menus e concluam tarefas em menos etapas. Embora o aprendizado por reforço tenha proporcionado alguns benefícios, os ganhos principais vieram da abordagem híbrida que combina ações na tela com ferramentas expostas dos aplicativos. Este trabalho demonstra que agentes de código aberto podem competir efetivamente com sistemas fechados, como o Gemini do Google, por meio de metodologias inovadoras de treinamento.
decoder