KI SpotlightNewsWildAWM synthetisiert Computer-Use-Welten für GUI, MCP und Kommandozeile, laut Autoren nur mit Open-Source-Modellen
Die Pipeline erzeugt 341 langhorizontige Umgebungs-Aufgaben-Paare und prüft sie mit ausführungsbasierten Qualitätsgates
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- WildAWM ist eine skalierbare Pipeline zur Synthese steuerbarer Umgebungen und Aufgaben für Computer-Use-Agenten.
- Die gesamte Pipeline wird ausschließlich von Open-Source-Modellen betrieben, ohne proprietäre Modelle.
- Die Pipeline erzeugt 341 langhorizontige Umgebungs-Aufgaben-Paare, die über 100 Agentenschritte erfordern können.
- Laut Abstract löst GPT-6-Astra nur 60 % dieser Aufgaben.
- Paper, Code, Umgebungen, Aufgaben und trainierte Checkpoints wurden am 19.10.2026 veröffentlicht.
WildAWM baut Computer-Use-Welten für GUI, MCP und Kommandozeile, nur mit Open-Source-Modellen
Unter dem Namen WildAWM (Agent World Model in the Wild) beschreibt ein Autorenteam um Zhaoyang Wang, Qianhui Wu, Jianfeng Gao und Huaxiu Yao eine Pipeline. Sie synthetisiert ausführbare, steuerbare Umgebungen samt Aufgaben für allgemeine Computer-Use-Agenten (arXiv 2610.26828). Eine Umgebung kann grafische Oberflächen, MCP-Dienste und Kommandozeilen gemeinsam anbieten. Agenten kombinieren so visuelle Interaktion, Tool-Nutzung und Code-Ausführung. Bisherige Ansätze beschränken sich laut Paper meist auf eine einzige Schnittstelle.
Die Pipeline laufe nach Angaben der Autoren vollständig mit Open-Source-Modellen, ohne proprietäre Modelle. Als Begründung führen sie an, dass das Agentenlernen sich von menschlichen Daten hin zur Interaktion mit der Welt verschiebe. Lernen direkt auf realen Computersystemen zu skalieren, sei schwierig und mit erheblichen Sicherheitsrisiken verbunden. Synthetische, kontrollierbare Welten sollen diesen Weg ersetzen.
341 Aufgaben über mehr als 100 Schritte: Qualitätsgates prüfen Lösbarkeit, Schwierigkeit und Verifier
Die Pipeline erzeugt 341 langhorizontige Paare aus Umgebung und Aufgabe. Manche davon erfordern mehr als 100 Agentenschritte. Die Autoren sichern die Qualität mit ausführungsbasierten Gates. Dazu gehören heterogene Agent-Rollouts, Konsistenzprüfungen zwischen mehreren Bewertungsmodellen (Cross-Judge) und kontrafaktische Tests, die die Robustheit der Urteile prüfen. Damit adressieren sie drei wiederkehrende Probleme der Aufgabensynthese: ob eine Aufgabe lösbar ist, ob sie schwer genug bleibt und ob der Verifier zuverlässig urteilt.
Dass die Aufgaben tatsächlich anspruchsvoll sind, belegt laut Abstract ein Wert: GPT-6-Astra löst nur 60 Prozent davon.
Die Autoren schreiben außerdem, WildAWM verbessere die Leistung außerhalb der Trainingsverteilung in Web-, CLI- und GUI-Benchmarks. Dabei handelt es sich um eine Selbsteinschätzung. Konkrete Zahlen enthält der vorliegende Auszug nicht, da der Abstract an dieser Stelle abbricht. Prüfbar wird die Aussage erst im Volltext mit den Ergebnistabellen oder durch eine eigene Auswertung mit dem veröffentlichten Code und Checkpoint.
Gespiegelte Websites, Personas und offene Fragen: Was sich gegenüber AWM ändert
Der Vorläufer Agent World Model (AWM) stammt von UNC-Chapel Hill und Snowflake AI Research. Er umfasst 1.000 synthetische, SQL-gestützte Umgebungen, die nur über MCP ansprechbar sind, im Schnitt mit 35 Tools. WildAWM ergänzt GUI und CLI, nutzt gespiegelte Websites aus WebHarbor und lässt jede Welt aus einer Persona tageweise wachsen. Die Aufgaben sind {Aufgabe, Umgebung, Verifier}-Tripel. Sie eignen sich für SFT, Online-RL und Evaluation.
Ein Beispiel aus dem Datensatz: Eine als „hard“ eingestufte Aufgabe mit vier Hops beginnt in der Kommandozeile. Sie verlangt, ein Gericht von Allrecipes im Essensplan zu speichern. Zusätzlich sind MCP-Dienste für Kalender und Direktnachrichten eingebunden.
Laut Repository erschienen am 19. Oktober 2026 Paper, Code, Umgebungen, Aufgaben und Checkpoints. Die 341 Paare liegen auf Hugging Face (ChilleD/WildAWM). WildAWM-4B basiert auf Qwen3.5-4B, ist rein textbasiert und verarbeitet 262.144 Token Kontext. Betrieben wird es über SGLang. Voraussetzungen sind Python 3.12+, uv, Docker und Node.js.
