「假电脑」教AI用电脑，出的题连GPT
「假电脑」教AI用电脑，出的题连GPT-6 Astra都做不对
2026年11月07日 06:39
你是否也好奇 GPT-6 Astra 惊人的 computer-use agent (CUA) 电脑使用能力如何训练得到？
来自微软研究院 (Microsfot Research), 北卡罗来纳大学教堂山分校 (UNC-Chapel Hill), 佐治亚理工大学 (Gatech), 和美国东北大学 (Northeastern University) 的研究者提出了最新研究成果 WildAWM。
论文标题：Agent World Model in the Wild: Computer-Use Agent Environment Synthesis
arXiv 链接：https://arxiv.org/abs/2610.26828
项目主页：https://msr-orchard.github.io/WildAWM/
开源代码：https://github.com/MSR-Orchard/WildAWM
开源环境、任务与模型：https://huggingface.co/collections/ChilleD/agent-world-model-in-the-wild
想让 agent 学会用电脑，最简单直接的办法就是让它在电脑环境中进行交互、训练，可是一方面真电脑环境成本高、很难大规模铺开，而且可能会引入安全风险，比如 OpenAI 最近披露了一起 agent 在线环境中学习却意外地攻击了 huggingface 服务器的事件。
WildAWM 使用合成的个人电脑环境（有 shell，有文件系统，有浏览器，有常见的应用 MCP 服务比如 email）来作为现实训练环境的替代。而且，为了避免间接蒸馏私有模型的嫌疑，WildAWM 完全使用开源模型进行合成。合成环境后，再在里面合成高质量的 agent 任务、对应的 verifier 验证器，来组成 {environment, task, verifeir} 训练样本，只在这些合成的环境中训练两个 Qwen 模型（Qwen3.6-35b-a3b 和 Qwen3.5-4b)，却在 8 个横跨 web agent, claw agent 和 GUI computer-use agent OOD 常见评测榜单上全部有提升。
从 Agent World Model (AWM) 到 WildAWM
最近，前沿实验室已经展现了 RL 对于 agent 的性能提升有巨大的帮助。agent 要在交互里学，需要和环境进行交互。拿真实系统交互并不现实：环境没法大批量复制，状态也很难重置，agent 一旦点错，删掉的文件、发出去的邮件都是真的，还可能带来安全隐患。
今年 2 月，研究团队发布了 Agent World Model（AWM，ICML 2026）。区别于 world model 往往使用神经网络模拟环境、预测下一个 state（作为环境），AWM 用代码和数据库合成可执行、可交互的环境，一共生成了 1000 个，覆盖各种日常场景，专门用来给多轮调用工具的 agent 做强化学习。只在这些合成环境里训练，模型在三个 OOD benchmarks 上都有不错的分布外泛化。
WildAWM 是这个系列的新工作，这次面向通用的计算机使用 agent（computer-use agent，CUA），不再一个个地合成工具环境，而是直接合成一整台个人电脑。
合成一整台电脑环境
真正的 computer-use agent 应该是 agent 可以访问这台电脑的任何界面，而不局限于一种界面，agent 可以使用 CLI 就像 coding model 一样用代码高效完成任务，也可以使用 GUI，操纵鼠标、键盘访问图形界面网页，也可以接入 MCP service 发现便捷的软件 services（比如 email）。
网站、应用、MCP 服务和本地文件都在一台机器上，状态也连在一起。已有的合成方法大多做的是每个应用各自是一个孤立的环境，比如专门合成 terminal 环境的，比如专门合成网页环境的等等。
WildAWM 的每个环境都是某一个人的电脑。合成从一个虚构人物开始：先定下这个人的职业、联系人、常去的网站和手头在忙的几件事，再把这些事排成一天一天的计划。接着，使用一个 coding agent（GLM-5.2 加 OpenCode）按天把计划落到环境里，往数据库里写记录，往文件夹里放文件，每一天都接着前一天的状态往下做，自然数据也会一天天合成得越来越多。注意这些网页，应用，数据全部是合成的，全部在本地，不需要联网。