OpenMobile-2 mise sur la diversité des applications

OOndine

L’équipe derrière OpenMobile-2 a créé un environnement d’entraînement couvrant plus de 110 applications simulées, dont 35 répliques d’applications populaires, selon The Decoder. Les chercheurs publient aussi les modèles, les données et les instructions nécessaires pour reproduire leur travail. Leur résultat central porte sur la diversité : à volume de données égal, entraîner un agent sur davantage d’applications fait progresser son taux de réussite sur des applications inédites de 60,7 % à 67,5 %. L’équipe a également généré environ 11 600 workflows et plus de 2 000 tâches d’entraînement, en utilisant Gemini 3.1 Pro comme modèle enseignant pour produire les exemples. Sur AndroidWorld, le grand modèle OpenMobile-2 atteint 79,9 points, contre 67,1 auparavant, tandis que le petit modèle passe de 54,3 à 74 points. Sur MobileWorld, le grand modèle progresse de 35,9 à 50,4 points. Et sur SPA-Bench, il obtient 59,6 points sur de vrais appareils Android, le meilleur résultat parmi les agents ouverts selon les auteurs. Ces évaluations suggèrent qu’élargir la variété des applications d’entraînement peut aider les agents mobiles à mieux s’adapter à des tâches qu’ils n’ont pas rencontrées pendant leur apprentissage. L’enjeu est donc de mesurer leur capacité à généraliser au-delà des seules applications déjà vues pendant l’entraînement.