مقاله‌ی arXiv:2610.20939 · در صف خبرنامه
MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments
پلتفرم بازی برای ارزیابی و آموزش ایجنت‌های رابط گرافیکی در موبایل، کامپیوتر و وب
- تاریخ
- (۲۲ مهر ۱۴۰۵) 2026-10-14 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Panrong Tong, Quyu Kong, Pengxiang Li, Tianyu Xia, Hanzhang Zhou, Lei Wang, Chenglin Cai, Long Li, Long Chen, Jianan Zhang, Zhengwen Zeng, Xu Zhang, Gongjie Zhang, Yue Wang, Steven Hoi
- نهاد نویسنده‌ها
- Alibaba (Token Hub, MAI-UI Team)
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
یادگیری تقویتی برخط با پاداش قابل بررسی، در ریاضی، کدنویسی و کار با ابزار پیشرفت سریعی آورده، اما گسترش آن به ایجنت‌های رابط گرافیکی سخت است: محیط‌های تعاملی گران‌اند و تسک‌های آموزشی واقع‌گرا کم‌اند. کارهای قبلی اپ و تسک تازه ساخته‌اند ولی نه کد آموزش را منتشر کرده‌اند و نه راهی برای اجرای بنچمارک‌های موجود.
روش
پلتفرم MAI-Gym ارزیابی، جمع‌آوری داده و یادگیری تقویتی برخط را در موبایل، کامپیوتر و وب یکی می‌کند. چون ارزیابی و آموزش از یک مسیر اجرا و یک هارنس استفاده می‌کنند، ایجنتی که ارزیابی می‌شود همان ایجنتی است که آموزش دیده. پلتفرم ده بنچمارک شناخته‌شده را پشتیبانی می‌کند و تا ۲۰ هزار نمونه‌ی محیط موازی بالا می‌رود. همچنین اپ‌های گرافیکی و تسک‌های سخت را خودکار می‌سازد، از جمله اپ‌های شبیه‌سازی‌شده‌ی قابل بازنشانی و دنیاهای چنداپی منسجم با بررسی‌کننده‌هایی که با اجرا تأیید شده‌اند.
یافته‌ها
- مدل ۹ میلیاردی MAI-Gym-9B که برای موبایل و کامپیوتر آموزش دید، در میان ایجنت‌های باز زیر ۱۰ میلیارد پارامتر بهترین بود: ۷۸٫۴ درصد در MobileWorld و ۷۶٫۲ درصد در OSWorld-Verified.
- یادگیری تقویتی در یک اپ شبیه‌سازی‌شده‌ی خرید بلیت قطار به نسخه‌ی واقعی همان اپ منتقل شد و موفقیت روی یک گوشی واقعی را از ۲۸٫۸ به ۴۸٫۱ درصد رساند.
- فریم‌ورک، اسکیل‌های ساخت، اپ‌های شبیه‌سازی‌شده، ۲۰۰۰ تسک تأییدشده و وزن مدل منتشر شده است.
محدودیت‌ها
نویسنده‌ها بخش جداگانه‌ای برای محدودیت‌ها ندارند؛ انتقال به دنیای واقعی فقط روی یک اپ نشان داده شده است.
چرا مهم است
نبود زیرساخت باز برای آموزش ایجنت‌های رابط گرافیکی، پژوهش را به چند آزمایشگاه بزرگ محدود کرده بود. این پلتفرم کل حلقه را باز می‌کند و نشان می‌دهد تمرین در اپ‌های شبیه‌سازی‌شده می‌تواند به گوشی واقعی منتقل شود.