Fugu-MT 論文翻訳(概要): Terrarium: Growing Personal Assistants via Scalable Synthesis of App Worlds

論文の概要: Terrarium: Growing Personal Assistants via Scalable Synthesis of App Worlds

arxiv url: http://arxiv.org/abs/2610.14860v1
Date: Sat, 10 Oct 2026 12:30:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-20 11:23:59.340809
Title: Terrarium: Growing Personal Assistants via Scalable Synthesis of App Worlds
Title（参考訳）: Terrarium: アプリ世界のスケーラブルな合成を通じてパーソナルアシスタントを成長させる
Abstract要約: Terrariumは、現実のアプリケーション情報から実行可能なApp Worldを合成するフレームワークである。結果に基づく強化学習のための275のApp Worldsと13,344のタスクからなるトレーニングスイートを構築した。
参考スコア（独自算出の注目度）: 21.911660442777617
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Advances in large language models (LLMs) have brought the vision of a general-purpose personal assistant closer to reality. Such assistants could provide a unified natural-language interface to a broad ecosystem of applications. However, real-world applications do not readily support training at scale because access is often restricted and their state is difficult to reset. To address this challenge, we introduce Terrarium, a framework that synthesizes executable App Worlds from real-world application information, generates training task packages with evaluator-side rubrics from these worlds, and iteratively validates and refines both through agent rollouts. For App World synthesis, Terrarium organizes public Web information and in-application observations into structured app specifications that guide the construction of self-contained runtimes with callable operations and mutable, resettable state. For task synthesis, Terrarium constructs tasks grounded in App World state together with evaluator-side outcome rubrics that assess success without prescribing reference trajectories. We construct a training suite of 275 App Worlds and 13,344 tasks for outcome-based reinforcement learning across three Qwen3 model scales (4B, 8B, and 14B parameters). Across these scales, models trained with Terrarium outperform the corresponding Qwen3 models by an average of 18.34 percentage points on the $τ^2$-bench and 10.94 percentage points on the AppWorld bench. These results suggest that app-grounded world and task synthesis offers a scalable path toward general-purpose assistants capable of operating across broad application ecosystems.
Abstract（参考訳）: 大規模言語モデル(LLM)の進歩は、汎用パーソナルアシスタントのビジョンを現実に近づけた。このようなアシスタントは、幅広いアプリケーションエコシステムに統一された自然言語インターフェースを提供することができる。しかし、実世界のアプリケーションは、しばしばアクセスが制限され、その状態のリセットが難しいため、簡単にはスケールでのトレーニングをサポートしない。この課題に対処するために、現実のアプリケーション情報から実行可能なApp Worldsを合成するフレームワークであるTerreriumを導入し、これらの世界から評価器側ルーブリックを使用したトレーニングタスクパッケージを生成し、エージェントロールアウトを通じて繰り返し検証と洗練を行う。 App Worldの合成のために、Terreriumは公開Web情報とアプリケーション内観察を構造化されたアプリケーション仕様に整理し、呼び出し可能な操作と変更可能なリセット可能な状態を備えた自己完結型ランタイムの構築をガイドする。タスク合成のために、TerreriumはApp Worldの状態に根ざしたタスクを、基準軌跡を規定することなく成功を評価する評価者側の結果ルーリックと共に構築する。 275のApp Worldsと13,344のタスクからなるトレーニングスイートを構築し,Qwen3モデルスケール(4B,8B,14Bパラメータ)で結果に基づく強化学習を行う。これらのスケールで、テラリウムで訓練されたモデルは、平均して$τ^2$-benchで18.34ポイント、AppWorldベンチで10.94ポイントで、対応するQwen3モデルを上回っている。これらの結果から,アプリケーション・グラウンドド・ワールドとタスク・シンセサイザーは,幅広いアプリケーション・エコシステムをまたいだ操作が可能な汎用アシスタントへのスケーラブルなパスを提供する可能性が示唆された。

関連論文リスト

OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration [29.764166104307932]
本稿では,対話からオブジェクト中心のプログラミング世界モデルを学ぶエージェントOPINE-Worldを紹介する。 OPINE-Worldは25試合中20試合をゲームごとのトレーニングなしで解決し、人間のベースラインに対するアクション効率スコア78.4に達する。
論文参考訳（メタデータ） (2026-07-01T23:04:47Z)
SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks [73.92333717662558]
SpaceWorldは、複雑な現実世界のタスクにおけるマルチモーダルエージェントのインタラクティブな空間的理解を評価するためのベンチマークである。多様なドメイン(例えば、家庭のルーチン、旅行、社会協力など)にまたがる760の人称タスクが特徴である。信頼性評価のために、各タスクは、人間検証された初期状態、参照軌跡、端末状態検証器を含む。
論文参考訳（メタデータ） (2026-06-08T15:51:51Z)
PhoneWorld: Scaling Phone-Use Agent Environments [101.288508963127]
PhoneWorldは、実際のGUIトラジェクトリとスクリーンショットをコントロール可能な電話環境に変換する再利用可能なパイプラインである。読み取り専用アプリコンテンツとミュータブルステートによって、実行可能なモックAndroidアプリを構築する。 16のドメインに34のアプリがあり、検索、ブラウジング、ショッピング、予約、メディア、ソーシャルインタラクションなどの一般的なモバイル行動にまたがっている。
論文参考訳（メタデータ） (2026-05-28T07:14:15Z)
SimuWoB: Simulating Real-World Mobile Apps for Fast and Faithful GUI Agent Benchmarking [23.006082521142137]
SimuWoBは、さまざまなタイプと難易度にまたがる120の課題タスクを備えた、モバイルGUIエージェントのための完全な総合ベンチマークである。我々は高忠実度タスクと環境を合成する堅牢な仮想環境生成フレームワークを構築した。我々は、最先端のモバイルGUIエージェントについて包括的な実験を行う。
論文参考訳（メタデータ） (2026-05-24T16:33:14Z)
WebWorld: A Large-Scale World Model for Web Agent Training [59.59257499344279]
大規模にトレーニングされた最初のオープンウェブシミュレータである textbfWebWorld シリーズを紹介する。 WebWorldは1M以上のオープンWebインタラクションをトレーニングし、推論、マルチフォーマットデータ、30以上のステップのロングホライゾンシミュレーションをサポートする。 WebWorld合成トラジェクトリでトレーニングされたQwen3-14Bは,WebArenaで+9.2%向上し,GPT-4oに匹敵する性能を示した。
論文参考訳（メタデータ） (2026-02-16T13:06:49Z)
Agent World Model: Infinity Synthetic Environments for Agentic Reinforcement Learning [62.499592503950026]
大規模言語モデル(LLM)は、ツールや環境とのマルチターンインタラクションを必要とする複雑なタスクを実行するために、自律エージェントに権限を与えている。完全合成環境生成パイプラインであるエージェント・ワールド・モデル(AWM)を提案する。私たちは、エージェントがリッチなツールセットと対話できる、毎日のシナリオをカバーする1,000の環境にスケールします。
論文参考訳（メタデータ） (2026-02-10T18:55:41Z)
AndroidLens: Long-latency Evaluation with Nested Sub-targets for Android GUI Agents [36.66219528445988]
モバイルGUIエージェントのための挑戦的な評価フレームワークであるAndroidLensを紹介する。中国語と英語の両方の環境での長時間のタスクは571である。我々の評価では、最高のモデルでさえ、12.7%のタスク成功率と50.47%のATPにしか達していない。
論文参考訳（メタデータ） (2025-12-24T17:40:42Z)
Deploying Geospatial Foundation Models in the Real World: Lessons from WorldCereal [25.756741188074862]
本稿では,地空間基盤モデルを運用マッピングシステムに統合するための構造的アプローチを提案する。私たちのプロトコルには、アプリケーション要件の定義、ドメイン固有のデータへのモデルの適用、厳密な経験的テストの実行という、3つの重要なステップがあります。結果は、モデルの強い空間的および時間的一般化能力を強調する。
論文参考訳（メタデータ） (2025-07-16T15:10:32Z)
GeoLLM-Engine: A Realistic Environment for Building Geospatial Copilots [1.8434042562191815]
GeoLLM-Engineは、リモートセンシングプラットフォーム上でアナリストが日常的に実行する複雑なタスクを備えた、ツール拡張されたエージェントのための環境である。我々は100GPT-4-Turboノードにまたがる巨大な並列エンジンを活用し、50万以上の多様なマルチツールタスクと1100万の衛星画像にスケールします。
論文参考訳（メタデータ） (2024-04-23T20:23:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。