Хонконгийн Хятадын их сургуулийн MMLab, Цинхуа их сургууль, HKUST(GZ) болон JD Explore Academy-ийн судлаачид компьютерын дэлгэц, хулгана, гар болон тушаалын мөрийг бие даан удирддаг CUA-Master-27B нээлттэй загварыг (arXiv:2611.03126) нийтэд гаргалаа. Ердөө 27 тэрбум параметртэй уг загвар нь үйлдлийн системийн бодит орчны OSWorld-Verified сорилд 80.2%-ийн амжилт үзүүлж, нээлттэй жинтэй агентуудын дээд амжилтыг шинэчлэв.

Хоёр давхар эргэх холбоо: Видео хичээлээс үйлдлийн дараалал үүсгэх нь

Компьютер удирддаг агентуудыг сургахад хамгийн том саад нь программ хангамж дээрх олон алхамт үйлдлийн баталгаажсан өгөгдөл хомс байдаг явдал юм. Судалгааны баг Qwen-3.5-27B суурь загвар дээр «хоёр давхар давталтат сайжруулалтын тогтолцоо» (nested double-loop recursive improvement) боловсруулж энэ бэрхшээлийг шийджээ:

  • Дотоод өгөгдлийн эргүүлэг (Inner Data Flywheel): YouTube, TikTok болон Bilibili платформ дээрх программ хангамжийн зааварчилгаа, видео хичээлүүдийг шүүж, дүрс болон утгын шинжилгээгээр хулганын даралт, цэс сонголт, кодын бичилт зэрэг хөдөлгөөний замыг сэргээн бодит даалгавар болгон хувиргадаг.
  • Гадаад ертөнцийн загварын эргүүлэг (Outer World-Data-Model Loop): Агентын унасан болон алдсан үйлдэл бүрийг оношилж, аль программын ямар цонхон дээр алдаж байгааг тогтоогоод яг тэр сул талыг нь нөхөх шинэ даалгавруудыг автоматаар үүсгэн дахин сургадаг.

OSWorld сорилын үр дүн ба аваргуудтай хийсэн харьцуулалт

Бодит Ubuntu болон ширээний компьютерын орчинд файл боловсруулах, веб хөтөч удирдах, хүснэгт тооцоолох, терминал дээр код ажиллуулах чадварыг шалгадаг OSWorld жишиг сорилд CUA-Master-27B онцгой үзүүлэлт гаргалаа:

  • OSWorld-Verified сорилд 80.2 оноо: Суурь Qwen-3.5-27B загварын анхны 42.1 оноог бараг хоёр дахин өсгөж, өмнөх нээлттэй аварга болох 72 тэрбум параметртэй UI-TARS-72B (64.8%)-ийг хол орхив.
  • Хаалттай загваруудтай ойртсон дүн: Хэмжээгээрээ хэд дахин том хаалттай загварууд болох Anthropic-ийн Claude Opus 5 (82.5%) болон OpenAI-ийн GPT-5.6 Sol (81.4%) загваруудад тулж очсон байна.
  • OSWorld 2.0 хүндрүүлсэн сорил: Олон программ дамжсан нарийн даалгавруудтай шинэчилсэн сорилд 36.9 оноо авч, ижил хэмжээний нээлттэй загваруудыг тэргүүллээ.

Дотоод сервер дээр өртөг багатай ажиллуулах боломж

Хаалттай API дуудаж компьютерын дэлгэцийн зургийг алхам бүрд илгээх нь байгууллагуудад өндөр зардал дагуулахаас гадна дотоод мэдээллийг гадагш алдах эрсдэл үүсгэдэг. Харин 27 тэрбум параметртэй CUA-Master-27B загварыг байгууллагууд өөрийн дотоод график карт дээр шууд суулган хэрэглэх боломжтой бөгөөд оффисын давтагддаг маягт бөглөлт, системийн тохиргоо, өгөгдөл хуулах зэрэг ажлыг гаднын сервергүйгээр бүрэн автоматжуулах зам нээгдэж байна.