مقاله‌ی arXiv:2610.12611 · منتشرشده در کانال
SoftwareGym: Scaling Computer-Use Agent Training with Diverse Synthesized Software Environments
ساخت خودکار ۱۸۲ نرم‌افزار دسکتاپ تست‌شده برای آموزش ایجنت‌های کار با کامپیوتر
- تاریخ
- (۱۶ مهر ۱۴۰۵) 2026-10-08 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Tian Jin, Wenhao Wang, Jing Kang, Haoting Shi, Rui Ye, Yijun Lu, Siheng Chen
- نهاد نویسنده‌ها
- Shanghai Jiao Tong University; Zhejiang University
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
ایجنت‌های کار با کامپیوتر سریع بهتر می‌شوند، اما ساختن محیط‌های نرم‌افزاری متنوع و قابل اعتماد در مقیاس سخت است. محیط‌های برنامه‌ی واقعی تلاش ساخت و یکپارچه‌سازی زیادی می‌خواهند و پوشش برنامه‌ها را محدود می‌کنند و خطر بیش‌برازش روی برنامه‌های خاص را بالا می‌برند؛ محیط‌های داخل مرورگر هم عمق تعامل و پیچیدگی کار کمی دارند.
روش
خط لوله‌ی خودکار SoftwareGym طرح‌های ساختاری متنوع می‌سازد، آن‌ها را به برنامه‌های اجراشدنی تبدیل می‌کند و با ارزیابی رابط گرافیکی و ترمیم تکراری از درست کار کردنشان مطمئن می‌شود. با آن ۱۸۲ برنامه در دوازده دسته ساخته شد. بنچمارک SoftwareGym-Bench با ۱۲۰ تسک در همان دوازده دسته ساخته شد و مسیرهای جمع‌شده از این محیط‌ها برای آموزش ایجنت به کار رفت.
یافته‌ها
- میانگین نرخ پاس تسک‌های رابط گرافیکی روی برنامه‌های ساخته‌شده ۹۱٫۵ درصد بود.
- مدل آموزش‌دیده نرخ موفقیت در سه تلاش را روی بنچمارک کاملاً بیرون از حوزه‌ی OSWorld از ۴۱٫۳۹ به ۵۶٫۹۷ درصد رساند و روی SoftwareGym-Bench به ۴۰ درصد رسید.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ نویسنده‌ها محدودیت مشخصی برای خود روش ذکر نکرده‌اند.
چرا مهم است
آموزش ایجنت کار با کامپیوتر به محیط‌های نرم‌افزاری زیادی نیاز دارد که ساختن دستی‌شان گران است. این کار نشان می‌دهد برنامه‌های ساختگی تولیدشده با مدل می‌توانند نظارتی بسازند که به نرم‌افزار واقعی منتقل شود.