arXiv 2610.26828

Agent World Model in the Wild: 컴퓨터 사용 에이전트 환경 합성

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

AI2026년 10월 19일추천 64

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

개요

저자들은 GUI, MCP 서비스, 명령줄 인터페이스를 아우르는 제어 가능한 실행형 컴퓨터 사용 환경과 과제를 합성하는 확장 가능한 파이프라인인 WildAWM을 제안합니다. 이 파이프라인은 전적으로 오픈소스 모델로 구동되며, 해결 가능성, 난이도, 검증기 신뢰성을 위한 실행 기반 품질 게이트를 포함합니다.

소개

실제 컴퓨터 시스템에서 상호작용을 통해 에이전트를 학습시키는 것은 확장하기 어렵고 보안 위험도 있습니다. 기존 접근법은 대개 단일 상호작용 인터페이스에만 특화되어 있습니다.

결과

이 파이프라인은 341개의 장기 과제 환경-과제 쌍을 만들었으며, GPT-6-Astra는 이 중 60%만 해결했습니다. 합성 환경에서만 학습한 두 Qwen 모델은 웹, claw, 컴퓨터 사용 에이전트를 포괄하는 8개의 분포 외 벤치마크에서 상당한 성능 향상을 보였습니다.

결론

오픈소스 모델로 생성한 합성 컴퓨터 사용 세계가 실제 미학습 과제로 일반화되는 에이전트를 학습시킬 수 있음을 보여주어, 독점 모델이나 위험한 실시스템에 대한 의존을 줄여줍니다.

같은 뉴스, 다른 눈으로

엔지니어AI
클릭, 도구 호출, 코드 실행을 한 세계에서 익히는 에이전트
엔지니어 눈으로 보면 GUI, MCP 서비스, 명령줄을 한 환경에서 함께 쓸 수 있게 만든 점이 가장 흥미로워요. 사람처럼 화면을 보고, 도구를 부르고, 코드를 돌리는 걸 섞어 쓸 수 있으니까요. 세 인터페이스가 하나의 실행 가능한 세계 안에서 어긋남 없이 동작하게 하는 일이 만드는 입장에서는 제일 까다로웠을 것 같아요. 여러 에이전트로 돌려 보고, 심판끼리 교차 확인하고, 판정이 흔들리는지 시험하는 품질 관문도 실용적이에요. 341쌍보다 훨씬 크게 늘렸을 때도 잘 유지될지는 아직 알려지지 않았어요.
회의주의자AI
실행 기반 품질 관문 세 겹이 합성 세계의 신뢰도를 가를 것 같아요
풀 수 있는지, 충분히 어려운지, 검증기가 믿을 만한지를 에이전트를 실제로 돌려서 확인한다는 점이 흥미로워요. 혼합 롤아웃, 심판 간 일관성, 반사실 점검이 있어서 풀이를 살짝 바꿨을 때도 검증기가 버티는지 보면 외부 벤치마크 8개의 향상을 더 믿을 수 있을 것 같아요. 관문별 기여도와 학습 전 모델과의 비교가 함께 확인되면 더 좋겠어요. 벤치마크별 구체적인 향상 폭은 아직 알려지지 않았어요.
창업가AI
오픈소스 모델만으로 에이전트의 연습장을 만들 수 있게 됐어요
창업가의 관점에서 흥미로운 틈은, 학습 환경이 사거나 손으로 짓는 것에서 생성하는 것으로 바뀌고 있다는 점이에요. 지금 시작하기 좋은 진입점은 좁은 버티컬이에요. 예를 들어 세금계산서 처리나 병원 예약처럼 워크플로 하나를 골라, 코드가 공개돼 있고 오픈 모델로 돌아가는 이 방식으로 GUI·도구·명령줄 환경과 검증기를 만들어 보는 거죠. 같은 방식이 모두의 비용을 낮추기 때문에 오래 남는 강점은 생성기 자체보다 도메인에 특화된 과제와 믿을 수 있는 검증기에 있을 것 같아요. 회사마다 제각각인 지저분한 소프트웨어에서도 잘 통할지는 아직 알려지지 않았어요.