Los investigadores desarrollaron un total de doce mundos sintéticos, que consistían en diez entornos profundos y dos entornos centrados en habilidades, para entrenar agentes de uso de computadoras. Cuando un modelo de 9 mil millones de parámetros fue entrenado en todos estos entornos, aumentó su puntaje básico del 36,5% al 67,1%, acercándose a los últimos grandes modelos de lenguaje.
Los experimentos revelaron que la profundidad del entorno es crítica; el rendimiento del modelo disminuyó en entornos de imitación superficiales, pero los entornos realistas desde el punto de vista conductual y coherentes con el estado mejoraron las habilidades del modelo. Entornos especializados que se centran en componentes de UI difíciles como selectores de fechas e filtros anidados permitieron que el modelo gestionara variaciones que no había visto antes.
Este enfoque se basa en la necesidad de mundos sintéticos que puedan restablecer el estado de manera segura y reflejar cambios reales en la base de datos, ya que no es posible realizar un entrenamiento a gran escala en sistemas cerrados reales (como correo electrónico, banca, etc.). El equipo de investigación planea compartir cuatro entornos con la comunidad junto con código, datos y herramientas de validación para sentar las bases de futuros trabajos.