Исследователи из Нанкинского университета и компании SenseTime представили OpenMobile-2 — набор моделей-агентов для управления смартфонами. Проект включает две версии на базе архитектур Qwen с 9 и 27 миллиардами параметров. Авторы опубликовали среду обучения, наборы данных и инструкции для воспроизведения результатов.
Для обучения агентов команда воссоздала 35 популярных приложений, включая Taobao, JD и Slack. Общая тренировочная база охватывает более 110 приложений, включая симуляции и эмуляторы Android. В качестве учителя для генерации 11 600 примеров рабочих процессов и 2 000 задач использовалась модель Google Gemini 3.1 Pro.
Модели показали рост на ключевых бенчмарках. В тесте AndroidWorld крупная модель улучшила результат с 67,1 до 79,9 балла, а малая — до 74 баллов. На SPA-Bench для реальных устройств Android показатель крупной модели вырос с 31,9 до 59,6 балла, что, по заявлению разработчиков, является лучшим результатом среди открытых моделей.
Исследование показало, что разнообразие приложений важнее объема данных. При неизменном количестве данных увеличение числа тренировочных приложений повысило успех на новых задачах с 60,7 до 67,5 процента. Также протестировано использование прямых команд, что позволило повысить эффективность выполнения задач на 10,3 процентного пункта и сократить количество шагов.
