A OpenAI lançou uma prévia de pesquisa do Operator, um agente alimentado pelo Agente de Uso do Computador (CUA), que combina as capacidades visuais do GPT-4o com aprendizado por reforço para interagir com interfaces gráficas de usuário. O CUA processa dados brutos de pixels e utiliza um mouse e teclado virtuais para navegar em tarefas multi-etapas em diversos ambientes digitais, sem depender de APIs específicas do sistema operacional.
- O CUA alcança resultados de estado da arte, marcando 38,1% no OSWorld, 58,1% no WebArena e 87% no WebVoyager.
- O agente opera por meio de um loop iterativo de percepção, raciocínio via cadeia de pensamento e ação, adaptando-se a mudanças inesperadas.
- As medidas de segurança incluem recusas para tarefas prejudiciais, listas de bloqueio para sites proibidos, moderação em tempo real e confirmações do usuário para ações sensíveis.
A prévia de pesquisa está disponível para usuários do nível Pro nos EUA em operator.chatgpt.com para coletar feedback e refinar as medidas de segurança à medida que a tecnologia evolui.