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

Portuguese

A aprendizagem de agentes está mudando de aprendizagem a partir de dados humanos para aprendizagem através da interação com o mundo. No entanto, a escalação de tal aprendizagem diretamente em sistemas de computadores do mundo real é desafiadora e pode introduzir riscos de segurança substanciais. Portanto, propomos o Modelo do Agente Mundial no Mundo Selvagem (WildAWM), um pipeline escalável para a síntese de ambientes controláveis e tarefas para o treinamento de agentes de uso geral de computador (CUAs). Enquanto as abordagens existentes geralmente se especializam em uma interface de interação de agente único, construímos ambientes executáveis que suportam conjuntamente interfaces gráficas de usuário,

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