En forskargrupp från flera institutioner har lanserat MAI-Gym, en plattform med öppen källkod för att bygga, testa och träna AI-agenter som interagerar med grafiska användargränssnitt (GUI). Koden, datan och en modellversion med 9 miljarder parametrar finns nu tillgängliga för nedladdning. MAI-Gym fungerar med mobiltelefoner, stationära datorer och webbläsare och kan köra upp till 20,000 miljöer parallellt.
Vad erbjuder MAI-Gym?
Plattformen innehåller en gemensam pipeline för körningar som säkerställer att agenternas beteende är identiskt vid utvärdering och träning med förstärkningsinlärning (RL). Den levereras med tio etablerade benchmarksviter och 2,000 verifierade uppgifter som omfattar appar för bland annat biljettbokning, e-post och inställningar. MAI-Gym kan också automatiskt skapa nya simulerade appar, med miljöer som kan återställas och världar som sträcker sig över flera appar. De kontrolleras så att de fungerar som de ska.
Resultat med den släppta 9B-modellen
Med hjälp av ramverket tränade forskarna MAI-Gym-9B, en agent för både mobil och dator. Modellen nådde 78.4 % i framgång på benchmarken MobileWorld och 76.2 % på OSWorld-Verified. I ett överföringstest lärde sig agenten att boka en biljett i en simulerad app och utförde sedan samma uppgift på en riktig telefon. Framgångsgraden ökade då från 28.8 % till 48.1 %.
Varför det spelar roll
Utvecklare kan nu träna AI-assistenter som fungerar på mobiltelefoner, datorer och i webbläsare utan att behöva bygga en omfattande infrastruktur själva. Den öppna datan och modellen gör det möjligt för forskare att snabbt testa nya idéer, och resultatet i överföringstestet tyder på att träning i simulerade appar kan förbättra prestationen i verkliga situationer.
