OpenAI 发布 AI 智能体 Operator，能像人类一样自主操控浏览器，有哪些技术亮点？

1月24日消息，OpenAI在北京时间凌晨举行直播活动，发布了市场期待已久的AI智能体Operator（意为操作员），它能够代理用户执行基于网页的操作，像人类一样点击、滚动和输入文字，完成诸如购买杂货、预订餐厅以及提交费用报告等任务。 在此之前，包括微软、Salesforce和Workday等商业软件公司纷纷推出了各自的智能体。谷歌和人工智能初创公司Anthropic近期也推出了类似的智能体工具，它们与OpenAI的Operator相似，能够浏览网页并与菜单和按钮进行交互。 但Operator的特点是，与其他各家Agent相比，它会通过CUA的系统进行复杂的思维链反思和步骤规划。这可以大大提高其完成任务的精度和复杂性。在不依靠对具体任务进行精调的情况下，Operator就能泛化的完成多种复杂任务。虽然在直播的实机演示中，OpenAI仅仅展示了网购、订餐等基础操作。但在后续的部分用户测试中，它甚至可以完成在Arxiv上进行论文分类搜索，阅读多篇论文并完成综述整理的复杂工作。而且这个工作肯定是不太可能被纳入传统精调过的“意图理解”框架内的。 另外，CUA本身在网页控制和系统控制方面也达到了......