Newest papers

Agent World Model in the Wild: Computer-Use Agent Environment Synthesis

Zhaoyang Wang, Qianhui Wu, Haorui Wang, Simon Yu, Baolin Peng, Canwen Xu, Hao Cheng, Wenlin Yao · 2026 · arXiv

DOI: 10.48550/arXiv.2610.26828 · open-access PDF

Japanese

エージェントの学習は、人間のデータからの学習から世界との相互作用を通じて学習へと移行しているが、実際のコンピュータシステムでの直接の学習をスケーリングすることは挑戦的であり、重大なセキュリティリスクをもたらす可能性があるため、私たちは、コントロール可能な環境と一般的なコンピュータ使用エージェント(CUA)の訓練のためのタスクを合成するためのスケーラブルなパイプラインであるAgent World Model in the Wild(WildAWM)を提案している。既存のアプローチは通常、単一のエージェントの相互作用インターフェイスに特化しているが、グラフィックユーザーインターフェイスを共同でサポートする実行可能な環境を構築する。

Machine translation (Meta M2M100); the English original follows.

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,

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange