يقدم الباحثون Surfer 2، وهو بنية موحدة لوكلاء استخدام الكمبيوتر تعمل حصريًا من خلال الملاحظات البصرية في بيئات الويب وسطح المكتب والجوال. يدمج النظام إدارة السياق الهرمية، وفصل التخطيط عن التنفيذ، والتحقق الذاتي مع التعافي التكيفي لتمكين التشغيل الموثوق عبر أفق مهام طويل.
- يحقق دقة 97.1% على WebVoyager، و69.6% على WebArena، و60.1% على OSWorld، و87.1% على AndroidWorld دون ضبط دقيق خاص بالمهمة.
- يتفوق على جميع الأنظمة السابقة ويتجاوز الأداء البشري في جميع معايير التقييم بمحاولات متعددة.
تُظهر النتائج أن التنسيق المنهجي يعزز قدرات النماذج الأساسية لتمكين التحكم العام في الكمبيوتر من خلال التفاعل البصري وحده.