論文の概要: Agent World Model in the Wild: Computer-Use Agent Environment Synthesis

• arxiv url: http://arxiv.org/abs/2610.26828v1
• Date: Mon, 19 Oct 2026 17:55:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 01:05:29.012666
• Title: Agent World Model in the Wild: Computer-Use Agent Environment Synthesis
• Title（参考訳）: 野生におけるエージェントワールドモデル:コンピュータ利用エージェント環境合成
• Abstract要約: エージェント学習は、世界との対話を通じて、人間のデータから学習へとシフトしている。 このような学習を現実世界のコンピュータシステムに直接スケールすることは困難であり、重大なセキュリティリスクをもたらす可能性がある。 我々は、制御可能な環境のためのスケーラブルなパイプラインであるエージェント・ワールド・モデル・イン・ザ・ワイルド(Agens World Model in the Wild)を提案する。
• 参考スコア（独自算出の注目度）: 80.58080317249225
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agent learning is shifting from learning from human data toward learning through interaction with the world. However, scaling such learning directly in real-world computer systems is challenging and can introduce substantial security risks. We therefore propose Agent World Model in the Wild (WildAWM), a scalable pipeline for synthesizing controllable environments and tasks for training general computer-use agents (CUAs). Whereas existing approaches typically specialize in a single agent interaction interface, we construct executable environments that jointly support graphical user interfaces, model context protocol services, and command-line interfaces, allowing agents to flexibly combine visual interaction, tool use, and code execution. WildAWM is entirely powered by open-source models, demonstrating that high-quality computer-use environments can be generated without proprietary frontier models. Beyond environments, we address three recurring challenges in task synthesis: ensuring solvability, maintaining sufficient difficulty, and producing reliable verifiers, by introducing execution-based quality gates that combine heterogeneous agent rollouts, cross-judge consistency checks, and counterfactual probes of judgment robustness. The resulting pipeline synthesizes 341 long-horizon environment-task pairs that can require over 100 agent steps to solve and remain challenging even for frontier models, with GPT-6-Astra solving only 60% of them. We train two Qwen models of different sizes exclusively in these synthetic worlds. Both models achieve substantial gains across 8 out-of-distribution benchmarks spanning web, claw, and computer-use agents, demonstrating that learning in WildAWM's synthesized worlds generalizes broadly to unseen computer-use tasks. The code is publicly available at https://github.com/MSR-Orchard/WildAWM.
• Abstract（参考訳）: エージェント学習は、人間のデータから世界との対話を通じて学習へとシフトしている。 しかし、そのような学習を現実世界のコンピュータシステムに直接スケールすることは困難であり、重大なセキュリティリスクをもたらす可能性がある。 そこで我々は、制御可能な環境を合成するためのスケーラブルなパイプラインであるエージェント・ワールド・モデル・イン・ザ・ワイルド(WildAWM)と、汎用コンピュータ利用エージェント(CUA)の訓練タスクを提案する。 既存のアプローチは一般的に単一のエージェントインタラクションインターフェースを専門としていますが、グラフィカルユーザインターフェース、モデルコンテキストプロトコルサービス、コマンドラインインターフェースを共同でサポートする実行環境を構築します。 WildAWMはオープンソースモデルに完全に依存しており、プロプライエタリなフロンティアモデルなしで高品質なコンピュータ使用環境を生成できることを実証している。 環境を超えて、タスク合成における3つの繰り返し発生する課題に対処する: 解決可能性の確保、十分な困難の維持、信頼性の高い検証器の作成、不均一なエージェントのロールアウトとクロスジャッジ整合性チェックを組み合わせた実行ベース品質ゲートの導入、そして、判定堅牢性の反ファクトなプローブの導入。 パイプラインは341個の長い水平環境とタスクのペアを合成し、100以上のエージェントステップを解決し、フロンティアモデルにも挑戦し、GPT-6-Astraは60%しか解けない。 我々は、これらの合成世界でのみ異なる大きさの2つのQwenモデルを訓練する。 どちらのモデルも、ウェブ、爪、コンピュータ使用エージェントにまたがる8つのアウト・オブ・ディストリビューション・ベンチマークで大幅に向上し、WildAWMの合成された世界の学習がコンピュータ使用タスクに広範に一般化することを示した。 コードはhttps://github.com/MSR-Orchard/WildAWMで公開されている。

関連論文リスト

• Scaling Agentic Capabilities via Grounded Interaction Synthesis [12.796216573698677]
  本稿では,多様な環境や複雑なタスクのスケーラブルな構築を自動化するフレームワークであるGarthed Agentic Interaction Synthesis (GAIS)を紹介する。 具体的には、機能的多様性と難易度を確保するために、実世界のモデルコンテキストプロトコル(MCP)サーバから派生したプロトコルアンコール環境を構築する。 BFCL、$2-Bench、ACEBenchの実験では、GAIS合成データが最先端のベースラインを大幅に上回ることを示した。
  論文  参考訳（メタデータ） (2026-06-01T09:57:52Z)
• 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)
• ASTRA: Automated Synthesis of agentic Trajectories and Reinforcement Arenas [13.919124676472022]
  ASTRAは、ツール拡張言語モデルエージェントをトレーニングするためのエンドツーエンドフレームワークである。 ASTRAはスケーラブルなデータ合成と検証可能な強化学習を統合している。 複数のエージェントツール使用ベンチマークの実験は、ASTRA訓練されたモデルが最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-29T11:22:23Z)
• Nex-N1: Agentic Models Trained via a Unified Ecosystem for Large-Scale Environment Construction [117.6380005194061]
  本稿では,対話型環境の多様性と複雑さを体系的にスケールする手法を提案する。 本手法は,3次元に対処することで,このスケーリングを実現する。 Nex-N1は、インフラストラクチャによって確立された多様な複雑なインタラクティブ環境に基づいてトレーニングします。
  論文  参考訳（メタデータ） (2025-12-04T16:57:02Z)
• OWMM-Agent: Open World Mobile Manipulation With Multi-modal Agentic Data Synthesis [70.39500621448383]
  オープンワールドのモバイル操作タスクは、オープンエンドの命令や環境への一般化が必要なため、依然として課題である。 本稿では,多視点のシーンフレームとエージェント状態を維持した新しいマルチモーダルエージェントアーキテクチャを提案する。 我々は,グローバルなシーン理解,ロボットの状態追跡,マルチモーダルアクション生成を統一モデルで実現した,モバイルマニピュレータのための基礎モデルであるOWMM-VLMについて紹介する。
  論文  参考訳（メタデータ） (2025-06-04T17:57:44Z)

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。