OpenAI 推出了 Operator 的研究预览版，这是一个由 Computer-Using Agent (CUA) 驱动的代理，它结合了 GPT-4o 的视觉能力与强化学习，以与图形用户界面进行交互。CUA 处理原始像素数据，并使用虚拟鼠标和键盘在多样化的数字环境中导航多步骤任务，而无需依赖特定操作系统的 API。

  • CUA 取得了最先进的成果，在 OSWorld 上得分 38.1%，在 WebArena 上得分 58.1%，在 WebVoyager 上得分 87%。
  • 该代理通过感知、通过思维链进行推理以及行动的迭代循环运行，能够适应意外变化。
  • 安全措施包括拒绝有害任务、禁止网站的黑名单、实时审核以及对敏感操作的用户确认。

研究预览版已面向美国 Pro Tier 用户开放，访问地址为 operator.chatgpt.com，旨在收集反馈并在技术演进过程中完善安全措施。