Para peneliti memperkenalkan Surfer 2, sebuah arsitektur terpadu untuk agen penggunaan komputer yang beroperasi murni dari pengamatan visual di lingkungan web, desktop, dan mobile. Sistem ini mengintegrasikan manajemen konteks hierarkis, pemisahan perencanaan dan eksekusi, serta verifikasi diri dengan pemulihan adaptif untuk memungkinkan operasi andal selama rentang tugas yang panjang.
- Mencapai akurasi 97,1% pada WebVoyager, 69,6% pada WebArena, 60,1% pada OSWorld, dan 87,1% pada AndroidWorld tanpa penyetelan halus khusus tugas.
- Mengungguli semua sistem sebelumnya dan melampaui kinerja manusia pada semua benchmark dengan beberapa percobaan.
Hasil-hasil tersebut menunjukkan bahwa orkestrasi sistematis memperkuat kemampuan model dasar untuk memungkinkan kontrol komputer tujuan umum hanya melalui interaksi visual.