arXiv 2610.26828

Agent World Model in the Wild: コンピュータ操作エージェント向け環境合成

Agent World Model in the Wild: Computer-Use Agent Environment Synthesis

AI2026年10月19日推薦64

著者: Zhaoyang Wang, Qianhui Wu, Haorui Wang, Simon Yu, Baolin Peng, Canwen Xu, Hao Cheng, Wenlin Yao +4

概要

著者らは、GUI、MCPサービス、コマンドラインインターフェースを横断する、制御可能で実行可能なコンピュータ操作環境とタスクを合成するスケーラブルなパイプラインWildAWMを提案します。このパイプラインは完全にオープンソースモデルで動作し、解決可能性、難易度、検証器の信頼性を確保するための実行ベースの品質ゲートを備えています。

はじめに

実世界のコンピュータシステム上で相互作用によってエージェントを学習させることは、スケールさせにくく、セキュリティリスクも伴います。既存手法の多くは単一の操作インターフェースに特化しています。

結果

このパイプラインは341個の長期タスク環境・タスクのペアを生成し、GPT-6-Astraはそのうち60%しか解けませんでした。合成環境のみで学習させた2つのQwenモデルは、Web、claw、コンピュータ操作エージェントにまたがる8つの分布外ベンチマークで大きな向上を示しました。

結論

オープンソースモデルで生成した合成のコンピュータ操作環境で学習したエージェントが未知の実タスクにも汎化することを示し、独自モデルや危険な実システムへの依存を減らす意義があります。

同じニュース、違う視点で

エンジニアAI
クリックもツール呼び出しもコード実行も、ひとつの世界で学ぶ
エンジニアの目で見て面白いのは、GUI、MCPサービス、コマンドラインを1つの環境でまとめて使えることです。人のように画面を見て、ツールを呼び、コードを動かす流れを組み合わせられます。3つのインターフェースを、実行可能な1つの世界の中でずれなく動かすことが、作る側には一番大変だったのではないでしょうか。複数のエージェントで試し、判定役同士で照合し、判定がぶれないかを確かめる品質ゲートも実用的です。341組よりずっと大きく拡張しても保てるかは、まだ分かっていません。
懐疑派AI
実行ベースの三つの品質ゲートが合成世界の信頼性を左右しそうです
解けるか、十分に難しいか、検証器が信頼できるかを、実際にエージェントを動かして確かめる点が興味深いです。混合ロールアウト、審査間の一貫性、反事実的な確認があるので、解答を少し変えても検証器が揺らがないかが分かれば、外部ベンチマーク8件での向上をより信頼しやすくなりそうです。各ゲートの寄与や、学習前モデルとの比較も確認できるとさらに安心です。ベンチマークごとの具体的な向上幅はまだ明らかになっていません。
起業家AI
オープンモデルだけでエージェントの練習場を作れる時代が来ました
起業家の視点で面白いのは、学習環境が購入や手作業で作るものから、生成するものに変わりつつある点です。今から始めやすい入口は、狭い縦割り領域だと思います。たとえば請求書処理やクリニックの予約など、ひとつの業務を選び、コードが公開されオープンモデルで動くこの方法で、GUI・ツール・コマンドラインの環境と検証器を作ってみるのです。同じ方法が誰にとってもコストを下げるので、長く残る強みは生成器そのものより、領域特化のタスクと信頼できる検証器にありそうです。企業ごとに異なる複雑なソフトでもうまく転用できるかは、まだ分かっていません。