OpenAIは、Computer-Using Agent (CUA)によって駆動されるエージェントであるOperatorの研究プレビューを導入しました。これはGPT-4oのビジョン能力と強化学習を組み合わせてグラフィカルユーザーインターフェースと対話します。CUAは生ピクセルデータを処理し、OS固有のAPIに依存せずに多様なデジタル環境でマルチステップタスクをナビゲートするために仮想マウスとキーボードを使用します。

  • CUAは最上位の結果を達成し、OSWorldで38.1%、WebArenaで58.1%、WebVoyagerで87%のスコアを獲得しました。
  • エージェントは知覚、チェーン・オブ・スレットによる推論、およびアクションの反復ループを通じて動作し、予期せぬ変化に適応します。
  • 安全対策には有害なタスクに対する拒否、禁止サイト用のブロックリスト、リアルタイムモデレーション、機密性の高いアクションに対するユーザー確認が含まれます。

研究プレビューは、技術が進化するにつれてフィードバックを集め、安全対策を強化するために、米国のProティアユーザー向けにoperator.chatgpt.comで利用可能です。