연구자들은 웹, 데스크톱, 모바일 환경 전반에서 시각적 관찰만으로 작동하는 컴퓨터 사용 에이전트를 위한 통합 아키텍처인 Surfer 2를 소개했습니다. 이 시스템은 계층적 컨텍스트 관리, 분리된 계획 및 실행, 적응형 복구를 통한 자체 검증을 통합하여 긴 작업 범위에서 신뢰할 수 있는 운영을 가능하게 합니다.
- 작업별 파인튜닝 없이 WebVoyager에서 97.1%, WebArena에서 69.6%, OSWorld에서 60.1%, AndroidWorld에서 87.1%의 정확도를 달성했습니다.
- 여러 시도 시 모든 벤치마크에서 기존 모든 시스템을 능가하며 인간 성능을 초과합니다.
이 결과는 체계적인 오케스트레이션이 파운데이션 모델의 능력을 증폭시켜 시각적 상호작용만으로 범용 컴퓨터 제어를 가능하게 함을 보여줍니다.