详细介绍：OpenAI推出了L3级智能体...
- 互联网的那点事
- 2025-01-26 04:58:26
详细介绍：OpenAI推出了L3级智能体「Operator」能够像人类一样操作电脑执行复杂的任务。
Operator 是 OpenAI 的一个研究预览版，基于 Computer-Using Agent（CUA）模型，结合了 GPT-4o 的视觉能力和强化学习，可通过截图解析与图形用户界面（GUI）交互。这种能力使 Operator 能够像人类一样使用计算机，使用键盘、鼠标操作电脑，执行复杂的任务。
演示中，「Operator」表现出能够理解指令并完成各种任务的能力，例如订餐、网购、填写表单等。CUA结合了OpenAI多年的研究成果，包括视觉感知、深度推理和强化学习，从而实现了任务分解、自适应纠错等功能。
功能亮点
视觉感知：CUA 处理屏幕的像素数据，理解当前屏幕的状态。
推理与规划：通过“思维链”技术（Chain of Thought），推理任务步骤，并动态调整行动计划。
操作执行：使用虚拟鼠标和键盘执行任务，如点击、滚动、键入，直至完成目标任务。
确认机制：在处理敏感操作（如登录或验证码填写）时，会主动请求用户确认。
虽然CUA在多个测试中的表现刷新了SOTA（State of the Art），但与人类水平仍有显著差距。目前，「Operator」仅对美国Pro用户开放测试，并计划未来扩展到更多任务场景。
完整详细内容：
网页链接
Operator 是 OpenAI 的一个研究预览版，基于 Computer-Using Agent（CUA）模型，结合了 GPT-4o 的视觉能力和强化学习，可通过截图解析与图形用户界面（GUI）交互。这种能力使 Operator 能够像人类一样使用计算机，使用键盘、鼠标操作电脑，执行复杂的任务。
演示中，「Operator」表现出能够理解指令并完成各种任务的能力，例如订餐、网购、填写表单等。CUA结合了OpenAI多年的研究成果，包括视觉感知、深度推理和强化学习，从而实现了任务分解、自适应纠错等功能。
功能亮点
视觉感知：CUA 处理屏幕的像素数据，理解当前屏幕的状态。
推理与规划：通过“思维链”技术（Chain of Thought），推理任务步骤，并动态调整行动计划。
操作执行：使用虚拟鼠标和键盘执行任务，如点击、滚动、键入，直至完成目标任务。
确认机制：在处理敏感操作（如登录或验证码填写）时，会主动请求用户确认。
虽然CUA在多个测试中的表现刷新了SOTA（State of the Art），但与人类水平仍有显著差距。目前，「Operator」仅对美国Pro用户开放测试，并计划未来扩展到更多任务场景。
完整详细内容：
网页链接