Formation efficace d'agents pour l'utilisation informatique

Efficient Agent Training for Computer Use

May 20, 2025

Auteurs: Yanheng He, Jiahe Jin, Pengfei Liu

cs.AI

Résumé

L'augmentation de données de trajectoires de haute qualité a longtemps constitué un goulot d'étranglement critique pour le développement d'agents informatiques à l'usage humain. Nous présentons PC Agent-E, un cadre d'entraînement d'agents efficace qui réduit considérablement la dépendance aux démonstrations humaines à grande échelle. En partant de seulement 312 trajectoires d'utilisation informatique annotées par des humains, nous avons encore amélioré la qualité des données en synthétisant des décisions d'actions diversifiées avec Claude 3.7 Sonnet. Entraîné sur ces trajectoires enrichies, notre modèle PC Agent-E a obtenu une amélioration relative remarquable de 141%, surpassant le puissant Claude 3.7 Sonnet avec une réflexion étendue sur WindowsAgentArena-V2, un benchmark amélioré que nous avons également publié. De plus, PC Agent-E démontre une forte généralisabilité à différents systèmes d'exploitation sur OSWorld. Nos résultats suggèrent que des capacités d'utilisation informatique robustes peuvent être stimulées à partir d'une petite quantité de données de trajectoires de haute qualité.

English

Scaling up high-quality trajectory data has long been a critical bottleneck for developing human-like computer use agents. We introduce PC Agent-E, an efficient agent training framework that significantly reduces reliance on large-scale human demonstrations. Starting with just 312 human-annotated computer use trajectories, we further improved data quality by synthesizing diverse action decisions with Claude 3.7 Sonnet. Trained on these enriched trajectories, our PC Agent-E model achieved a remarkable 141% relative improvement, surpassing the strong Claude 3.7 Sonnet with extended thinking on WindowsAgentArena-V2, an improved benchmark we also released. Furthermore, PC Agent-E demonstrates strong generalizability to different operating systems on OSWorld. Our findings suggest that strong computer use capabilities can be stimulated from a small amount of high-quality trajectory data.