Qwen представил симулятор программных сред для RL-обучения

Подразделение Alibaba выпустило Qwen-AgentWorld, языковую модель мира для симуляции текстовых и GUI-сред в 7 доменах. Инструмент предназначен для обучения автономных агентов.

Модель предсказывает переходы состояний среды. Графические интерфейсы Web, Android, OS анализируются в виде кода HTML или XML, а в процессе рассуждений применяется специальный токен прерывания для исправления ошибок на лету.

Инструмент применяется в 2-х сценариях. Первый - симулятор для RL других агентов, имитирующий сбои API и генерацию неполных данных. Второй - самостоятельный агент, который прогнозирует последствия команд до их фактического выполнения.

Облегченная 35B-версия опубликована на Hugging Face (https://huggingface.co/collections/Qwen/qwen-agentworld) и ModelScope (https://modelscope.cn/collections/Qwen/Qwen-AgentWorld). qwen.ai (https://qwen.ai/blog?id=qwen-agentworld)