标签
微软 Mage 团队推出 Mage-VL-Cowork，这是一套用于学习混合式计算机操作的完整训练方案（包括基于演化后的执行框架进行数据合成、多阶段监督微调，以及在线混合强化学习），其中的 4B 模型在 OSWorld-Verified 上取得了相对于其规模而言的优异成绩。
SceneMosaic结合了学习的图像先验与视觉语言代理，高效生成多样且物理有效的室内场景，相较于现有方法实现了24倍加速和物理有效性的提升。