OpenAI ha presentado una vista previa de investigación de Operator, un agente impulsado por Computer-Using Agent (CUA), que combina las capacidades visuales de GPT-4o con aprendizaje por refuerzo para interactuar con interfaces gráficas de usuario. CUA procesa datos de píxeles sin procesar y utiliza un mouse y teclado virtuales para navegar tareas en múltiples pasos a través de diversos entornos digitales sin depender de APIs específicas del sistema operativo.
- CUA logra resultados de última generación, obteniendo 38.1% en OSWorld, 58.1% en WebArena y 87% en WebVoyager.
- El agente opera mediante un bucle iterativo de percepción, razonamiento a través de cadena de pensamiento y acción, adaptándose a cambios inesperados.
- Las medidas de seguridad incluyen rechazos para tareas dañinas, listas de bloqueo para sitios prohibidos, moderación en tiempo real y confirmaciones del usuario para acciones sensibles.
La vista previa de investigación está disponible para usuarios del nivel Pro en EE. UU. en operator.chatgpt.com para recopilar comentarios y refinar las medidas de seguridad a medida que la tecnología evoluciona.