BlueLM-GUI: Neues KI-Modell steuert Smartphones über Realdaten erfolgreicher als geschlossene Systeme

Ein Forschungsteam um Tong Ye hat einen technischen Bericht zum mobilen KI-Agenten BlueLM-GUI vorgestellt, der durch Training auf Hunderten physischer Smartphones kommerzielle geschlossene Spitzenmodelle übertrifft.

Hintergrund

Mobile GUI-Agenten sind Softwareprogramme, die grafische Bildschirmelemente erkennen und Mobiltelefone direkt bedienen. Bei der Entwicklung solcher Systeme bestand bislang das Problem einer Datendiskrepanz zwischen virtuellen Sandbox-Umgebungen und realen Einsatzbedingungen. Nach Angaben des Forschungsteams um Tong Ye stoßen feste Benchmark-Tests an Sättigungsgrenzen, während Fehlversuche auf realen Endgeräten in virtuellen Setups häufig nicht wiederverwertet werden können.

Zur Überwindung dieser Hürde setzten die Forschenden auf einen selbstverbessernden Ansatz. Die freie Enzyklopädie Wikipedia definiert Verbesserung (Improvement) als Vorgang, durch den ein Gegenstand von einem Zustand in einen als besser bewerteten Zustand übergeht, meist durch gezielte Veränderungen oder Ergänzungen. Das 43-köpfige Forschungsteam übertrug dieses Prinzip auf das maschinelle Lernen, um die Leistungsunterschiede zwischen Laborumgebungen und praktischer Gerätenutzung zu schließen.

Die technische Ausarbeitung wurde unter dem Titel „BlueLM-GUI Technical Report: A Real-Device-Centric Flywheel for Self-Improving Mobile GUI Agents“ im Fachbereich cs.AI auf arXiv hinterlegt (arXiv:2609.12394). An dem Modell mit 35B-A3B Parametern arbeiteten Hauptautor Tong Ye und 42 Koautoren, womit insgesamt 43 Personen an dem Projekt beteiligt waren.

Wichtige Kennzahlen

Die im technischen Bericht veröffentlichten Daten und Prüfergebnisse umfassen folgende Kennwerte:

• Erstregistrierung: 11. September 2026 auf arXiv
• Dritte Revision (v3): 15. September 2026 (Umfang: 49 Seiten)
• Beteiligte: Tong Ye und 42 weitere Forschende (insgesamt 43 Autoren)
• Modellarchitektur: 35B-A3B Parameter (Entwicklungskosten nicht veröffentlicht)
• Trainingsgrundlage: Verstärkendes Lernen auf Hunderten realer Smartphones nach dem Grundsatz „Every Rollout Is Real“

Auswirkungen

Die direkte Ausrichtung auf physische Geräte verändert die Automatisierung auf mobilen Endgeräten. Smartphone-Nutzer können komplexe Interaktionen auf dem Bildschirm an das KI-System übertragen und dadurch Arbeitszeit einsparen.

Da BlueLM-GUI auf Hunderten realer Smartphones trainiert wurde, werden erlernte Fähigkeiten ohne Reibungsverluste auf Einsatzumgebungen übertragen. Dies verringert das Risiko von Fehlbedienungen durch App-Fehler und erhöht die Stabilität der Gerätesteuerung, wodurch Bedienungsabläufe auf dem Smartphone vereinfacht werden.

Ausblick

Das Forschungsteam hinterlegte am 15. September 2026 die dritte Fassung (v3) des 49-seitigen Berichts. Konkrete Zeitpläne für eine breitere Bereitstellung des Modells oder eine kommerzielle Verwertung sind im Bericht nicht ausgewiesen.

Interessierte Anwender und Forscher können künftige Revisionsstände des technischen Berichts sowie eventuelle Änderungen der Benchmark-Ergebnisse über das arXiv-System weiterverfolgen.

Quellen

1. BlueLM-GUI Technical Report: A Real-Device-Centric Flywheel for Self-Improving Mobile GUI Agents — arXiv cs.AI 신규 논문
2. Improvement — Wikipedia (en)