WildAWM 开源合成计算机环境，Qwen3.6 训练后 8 项基准平均涨 10.6 分
HuaxiuYaoML · x · 2026-10-25
论文 WildAWM（arXiv:2610.26828）提出一个可扩展的计算机使用 agent（CUA）环境合成管线，只用开源模型就能生成可执行、可验证的训练环境。
- 环境构成：每个「世界」模拟一个人的完整电脑，含 15 个网站、8 个 MCP 应用和一个 home 文件夹；GUI、MCP、CLI 三种交互接口共享同一状态，agent 可自由组合视觉操作、工具调用与代码执行。
- 任务质量：341 个环境-任务对，每个任务保证可解、对前沿模型仍有难度（GPT-6-Astra pass@8 仅约 72.7%），任务验证器与 agent-as-a-judge 集成的一致性达 95%。
- 训练效果：仅在这些合成世界里做 RL 训练，Qwen3.6-35B-A3B 在 8 个 OOD 基准上平均提升 +10.58，Online-Mind2Web 达 80.8 分，超过 GPT-5.5 的 72.2。
- 全部开源：合成管线、341 个任务、模型 checkpoint 与 Harbor 数据集均已放出。
「编程与Agent」频道最新
- Slop Eisley:全 AI 编写的星战游戏开放测试,credits 里写着 Claude Opus 和 Codex — jasonkneen · 2026-10-25
- 给 Claude 一份清单，周末两小时自查家庭网络安全 — zedlander · 2026-10-25
- 康奈尔论文：64.7% agent 遇错会失控，一个404引发校警介入 — 2C_ornot2C · 2026-10-25
- Reddit 用户盲测 5 款本地 Agent：同一个 Qwen 模型成绩差近一倍 — GapNew4766 · 2026-10-25
- 梗图:Claude 推 Rust 移植巨石上山,西西弗斯式苦役 — burny_tech · 2026-10-25
- 玩家用 Claude Code 当 PM 编排 Codex 与 Grok，搭起三方 agent 流水线 — umeshonai · 2026-10-25