Treinamento Eficiente de Agentes para Uso de Computador

Efficient Agent Training for Computer Use

May 20, 2025

Autores: Yanheng He, Jiahe Jin, Pengfei Liu

cs.AI

Resumo

A ampliação de dados de trajetória de alta qualidade tem sido um gargalo crítico para o desenvolvimento de agentes de uso de computador com comportamento humano. Apresentamos o PC Agent-E, uma estrutura eficiente de treinamento de agentes que reduz significativamente a dependência de demonstrações humanas em larga escala. Começando com apenas 312 trajetórias de uso de computador anotadas por humanos, aprimoramos ainda mais a qualidade dos dados sintetizando diversas decisões de ação com o Claude 3.7 Sonnet. Treinado nessas trajetórias enriquecidas, nosso modelo PC Agent-E alcançou uma melhoria relativa impressionante de 141%, superando o robusto Claude 3.7 Sonnet com pensamento estendido no WindowsAgentArena-V2, um benchmark aprimorado que também lançamos. Além disso, o PC Agent-E demonstra forte generalização para diferentes sistemas operacionais no OSWorld. Nossos achados sugerem que capacidades avançadas de uso de computador podem ser estimuladas a partir de uma pequena quantidade de dados de trajetória de alta qualidade.

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.