Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

AgentCPM-GUI: Building Mobile-Use Agents with Reinforcement Fine-Tuning

Created by
  • Haebom

저자

Zhong Zhang, Yaxi Lu, Yikun Fu, Yupeng Huo, Shenzhi Yang, Yesai Wu, Han Si, Xin Cong, Haotian Chen, Yankai Lin, Jie Xie, Wei Zhou, Wang Xu, Yuanheng Zhang, Zhou Su, Zhongwu Zhai, Xiaoming Liu, Yudong Mei, Jianming Xu, Hongyan Tian, Chongyi Wang, Chi Chen, Yuan Yao, Zhiyuan Liu, Maosong Sun

개요

본 논문은 모바일 환경에서의 GUI 자동화를 위한 80억 파라미터 규모의 GUI 에이전트인 AgentCPM-GUI를 제시한다. 기존 GUI 에이전트의 한계점인 잡음이 많은 데이터, 제한된 언어 지원(주로 영어), 일반화 성능 저하 등을 해결하기 위해, grounding-aware 사전 학습, 고품질 중국어 및 영어 데이터를 이용한 지도 학습, GRPO를 이용한 강화 학습 등의 과정을 거쳐 개발되었다. AgentCPM-GUI는 압축된 액션 공간을 사용하여 모바일 기기에서의 저지연 실행을 지원하며, 다섯 개의 공개 벤치마크와 새롭게 제시된 중국어 GUI 벤치마크 CAGUI에서 최첨단 성능(Type-Match 96.9%, Exact-Match 91.3%)을 달성하였다. 모든 코드, 모델 체크포인트 및 평가 데이터를 공개하여 재현성과 추가 연구를 지원한다.

시사점, 한계점

시사점:
모바일 환경에서의 GUI 자동화를 위한 효율적이고 강력한 에이전트 AgentCPM-GUI 제시
중국어를 포함한 다국어 지원을 통한 GUI 에이전트의 적용 범위 확장
grounding-aware 사전 학습, 강화 학습 등을 통한 성능 향상 및 일반화 능력 개선
압축된 액션 공간을 통한 모바일 환경에서의 저지연 실행 가능성 제시
코드, 모델, 데이터 공개를 통한 연구 재현성 및 후속 연구 지원
한계점:
다양한 언어 지원에도 불구하고, 아직 지원되지 않는 언어에 대한 추가 연구 필요
실제 사용 환경의 다양한 상황을 완벽히 반영하지 못할 가능성 존재
새로운 GUI 인터페이스에 대한 적응력에 대한 추가적인 검증 필요
GRPO 외 다른 강화 학습 알고리즘의 적용을 통한 성능 비교 연구 필요
👍