OpenMobile-2 доказывает, что открытые агенты для смартфонов могут конкурировать с проприетарными моделями
decoder ·
Исследователи из Нанкинского университета и SenseTime выпустили OpenMobile-2 — открытую ИИ-агента для смартфонов, которая по производительности конкурирует с проприетарными моделями. Проект использует две модели на базе Qwen с 9 и 27 миллиардами параметров, обученные в симулированной среде, содержащей более 110 приложений. Ключевым выводом исследования стало то, что разнообразие обучения при работе со множеством приложений значительно повышает успешность выполнения задач на незнакомых приложениях больше, чем простое увеличение объема данных. На реальных устройствах под управлением Android большая модель набрала 59,6 баллов в бенчмарке SPA-Bench, что является лучшим результатом среди открытых моделей. Процесс обучения включал воссоздание популярных китайских и глобальных приложений для безопасной и повторяемой практики без необходимости входа в систему или совершения покупок. Кроме того, агенты обучались использовать прямые команды там, где это возможно, что позволяло им обходить сложные навигационные меню и выполнять задачи за меньшее количество шагов. Хотя обучение с подкреплением принесло определенную пользу, основные преимущества обеспечил гибридный подход, сочетающий действия с экраном и доступные инструменты приложений. Эта работа демонстрирует, что открытые агенты могут эффективно конкурировать с закрытыми системами, такими как Gemini от Google, благодаря инновационным методикам обучения.
decoder