RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents
Aggiunta all'archivio di AIChronos il (numero del 21 settembre 2026 ricostruito)· fonte del · Shuai Bai, Jiayong Deng, Yikun Fu, Chang Gao, Xuhao Hu, Mianqiu Huang (Qwen)
RecreationWorld è un framework scalabile che permette agli agenti ibridi di computer-use (CUAs) di decidere autonomamente quando esplorare interfacce grafiche o sviluppare codice. Il sistema utilizza applicazioni open-source come riferimento per generare traiettorie e addestrare modelli su benchmark out-of-distribution, migliorando la capacità di verificare visivamente gli output. Viene introdotto RecreationBench, una suite valutativa con 250 task che combina asserti programmatici e visual validati da esperti umani.
- I CUAs ibridi integrano interazione grafica e sviluppo software in modo intrecciato piuttosto che sequenziale.
- RecreationWorld offre ambienti riproducibili su Ubuntu, macOS, Windows, Android e Web con controllo GUI nativo.
- GPT-6 Astra ottiene il punteggio più alto (58.1%) ma supera solo test programmatici nel 2.8% dei task totali.
- Gli agenti tendono a riprodurre meglio la struttura dell'interfaccia rispetto agli output computazionali generati.
- Le applicazioni generate dagli agenti risultano generalmente più piccole e monolitiche rispetto ai riferimenti originali.
Perché conta. Questa ricerca è cruciale per gli sviluppatori di LLM perché dimostra come addestrare modelli su traiettorie reali (recreation) migliori significativamente la capacità degli agenti di eseguire task complessi in ambienti locali e ibridi, superando i limiti dei benchmark tradizionali.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.