📌 مدل Cua-S1-4B-0.2 معرفی شد؛ مدلی کوچک برای کار با کامپیوتر
تیم Cua مدل Cua-S1-4B-0.2 را معرفی کرد. به گفته سازنده‌ها، این اولین مدل تصمیم‌گیری چندوجهی است که با روش RLOO روی وظایف کار با کامپیوتر آموزش دیده است. در این آموزش، مدل فقط وقتی پاداش می‌گیرد که وظیفه را کامل انجام دهد.
این مدل یک مدل تصمیم‌گیری است و متن تولید نمی‌کند. در هر مرحله از بین گزینه‌های مشخص، یک اقدام را انتخاب می‌کند. از نظر فنی، دو آداپتور LoRA (متنی و چندوجهی) روی مدل Qwen3.5-4B است.
⚙️ نحوه کار
• مدل در هر مرحله تصویر صفحه، هدف وظیفه و چند اقدام پیشنهادی از پیش تعیین‌شده را دریافت می‌کند.
• از بین آن‌ها یک اقدام را انتخاب می‌کند. سپس محیط تغییر می‌کند و مرحله بعد از وضعیت جدید شروع می‌شود.
🧠 روش آموزش دومرحله‌ای
• آموزش نظارت‌شده (Supervised) برای یادگرفتن قالب تصمیم‌گیری
• یادگیری تقویتی عامل‌محور (Agentic RL) در محیط‌های زنده cua-bench-basic که فقط تکمیل کامل وظیفه پاداش دارد
📊 عملکرد
• ۱۷ از ۱۸ وظیفه متنی و ۱۳ از ۱۸ وظیفه چندوجهی را کامل کرد. مدل djev (یک API تصمیم‌گیری مبتنی بر DiffusionGemma) بدون آموزش خاص ۱۶ و ۱۲ وظیفه را کامل کرده بود.
• روی ۱۶۸ وظیفه چندوجهی از مجموعه GUI-360 به دقت ۹۲.۹٪ رسید، در حالی که djev ۶۰.۱٪ گرفت. در هر دو حالت ورودی‌ها و روش امتیازدهی یکسان بود و از درخت دسترسی‌پذیری (Accessibility Tree) استفاده نشد.
🔓 متن‌باز
کد آموزش و نتایج بنچمارک به مخزن Cua اضافه شده‌اند. آداپتورها هم با مجوز Apache-2.0 منتشر شده‌اند.
🔗 لینک کد در GitHub
🔗 لینک مدل در Hugging Face
🔗 لینک توییت
#AI #ComputerUse #Agent #OpenSource #Cua
🆔 @asrgooyeshpardaz
تیم Cua مدل Cua-S1-4B-0.2 را معرفی کرد. به گفته سازنده‌ها، این اولین مدل تصمیم‌گیری چندوجهی است که با روش RLOO روی وظایف کار با کامپیوتر آموزش دیده است. در این آموزش، مدل فقط وقتی پاداش می‌گیرد که وظیفه را کامل انجام دهد.
این مدل یک مدل تصمیم‌گیری است و متن تولید نمی‌کند. در هر مرحله از بین گزینه‌های مشخص، یک اقدام را انتخاب می‌کند. از نظر فنی، دو آداپتور LoRA (متنی و چندوجهی) روی مدل Qwen3.5-4B است.
⚙️ نحوه کار
• مدل در هر مرحله تصویر صفحه، هدف وظیفه و چند اقدام پیشنهادی از پیش تعیین‌شده را دریافت می‌کند.
• از بین آن‌ها یک اقدام را انتخاب می‌کند. سپس محیط تغییر می‌کند و مرحله بعد از وضعیت جدید شروع می‌شود.
🧠 روش آموزش دومرحله‌ای
• آموزش نظارت‌شده (Supervised) برای یادگرفتن قالب تصمیم‌گیری
• یادگیری تقویتی عامل‌محور (Agentic RL) در محیط‌های زنده cua-bench-basic که فقط تکمیل کامل وظیفه پاداش دارد
📊 عملکرد
• ۱۷ از ۱۸ وظیفه متنی و ۱۳ از ۱۸ وظیفه چندوجهی را کامل کرد. مدل djev (یک API تصمیم‌گیری مبتنی بر DiffusionGemma) بدون آموزش خاص ۱۶ و ۱۲ وظیفه را کامل کرده بود.
• روی ۱۶۸ وظیفه چندوجهی از مجموعه GUI-360 به دقت ۹۲.۹٪ رسید، در حالی که djev ۶۰.۱٪ گرفت. در هر دو حالت ورودی‌ها و روش امتیازدهی یکسان بود و از درخت دسترسی‌پذیری (Accessibility Tree) استفاده نشد.
🔓 متن‌باز
کد آموزش و نتایج بنچمارک به مخزن Cua اضافه شده‌اند. آداپتورها هم با مجوز Apache-2.0 منتشر شده‌اند.
🔗 لینک کد در GitHub
🔗 لینک مدل در Hugging Face
🔗 لینک توییت
#AI #ComputerUse #Agent #OpenSource #Cua
🆔 @asrgooyeshpardaz
GitHub
cua/libs/cua-s1 at main · trycua/cua
Scale computer-use 2.0 with open-source drivers, cross-OS fleets, and benchmarks for training, evaluation, and data generation. - trycua/cua
❤3👏1