OpenAI ने एक शोध पूर्वावलोकन का परिचय दिया है, जो CUA द्वारा संचालित एक एजेंट है, जो GPT-4o की दृष्टि क्षमताओं को पुनर्बल सीखने (reinforcement learning) के साथ मिलाकर ग्राफिकल यूजर इंटरफेस के साथ इंटरैक्ट करता है। CUA कच्चे पिक्सेल डेटा को प्रोसेस करता है और विभिन्न डिजिटल वातावरण में बहु-चरण कार्यों का नेविगेशन करने के लिए एक आभावी माउस और कीबोर्ड का उपयोग करता है, बिना OS-विशिष्ट APIs पर निर्भर हुए।
- CUA ने OSWorld पर 38.1%, WebArena पर 58.1% और WebVoyager पर 87% स्कोर करके शीर्ष परिणाम प्राप्त किए हैं।
- एजेंट संवेदन, चेन-ऑफ-थॉट के माध्यम से तर्क और क्रिया की एक पुनरावृत्ति लूप के माध्यम से काम करता है, अप्रत्याशित परिवर्तनों के अनुकूल होता है।
- सुरक्षा उपायों में हानिकारक कार्यों के लिए अस्वीकृति, प्रतिबंधित साइटों के लिए ब्लैकलिस्ट, रियल-टाइम मॉडरेशन और संवेदनशील कार्यों के लिए उपयोगकर्ता पुष्टि शामिल हैं।
शोध पूर्वावलोकन प्रौद्योगिकी के विकास के दौरान प्रतिक्रिया एकत्र करने और सुरक्षा उपायों को परिष्कृत करने के लिए operator.chatgpt.com पर U.S. में Pro Tier उपयोगकर्ताओं के लिए उपलब्ध है।