Newest papers

Trace2World: Reconstructing App Worlds from Real Interaction Traces for Scalable GUI Agent Training

Zezhou Wang, Hanzhang Zhou, Panrong Tong, Quyu Kong, Pengxiang Li, Steven Hoi, Zhuzhong Qian, Yue Wang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.30792 · open-access PDF

Hindi

स्केलिंग जीयूआई बढ़ावा सीखने के लिए उन वातावरणों की आवश्यकता होती है जो वास्तविक ऐप व्यवहार को बनाए रखते हैं. हालांकि, कोडिंग के साथ व्यवहार निष्कर्ष को जोड़कर आंशिक ट्रैक गलत राज्य संक्रमण के साथ चलाने योग्य मजाक में बदल सकते हैं. हम \textbf{Trace2World} को पेश करते हैं, जो वैश्विक व्यवहार पुनर्निर्माण को कार्यान्वयन से अलग करता है. यह ट्रैक को एक साझा, स्रोत से जुड़े ऐप मॉडल में संतुलित करता है, फिर एक संचालित वातावरण संकलित करता है. स्रोत कार्य प्रवाहों का स्वतंत्र पुनरावृत्ति सीमाबद्ध कार्यान्वयन मरम्मत के लिए असंगतताओं को स्थानित करता है. सत्यापित दुनिया फिर सीखने वाले अनुकूलित कार्य और वातावरण में वृद्धि का समर्थन करता है

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

Abstract

Scaling GUI reinforcement learning requires environments that preserve real-app behavior. Yet coupling behavior inference with coding can turn partial traces into runnable mocks with incorrect state transitions. We introduce \textbf{Trace2World}, which separates global behavior reconstruction from implementation. It reconciles traces into a shared, source-linked app model, then compiles an executable environment. Independent replay of source workflows localizes mismatches for bounded implementation repair. Validated worlds then support learner-adaptive task and environment augmentation within

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

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