研究人员推出了 Surfer 2，这是一种用于计算机使用代理的统一架构，完全基于网页、桌面和移动环境中的视觉观测进行操作。该系统集成了分层上下文管理、解耦的规划与执行以及带有自适应恢复的自我验证，以在长任务周期内实现可靠运行。

  • 在未进行特定任务微调的情况下，在 WebVoyager 上达到 97.1% 的准确率，在 WebArena 上达到 69.6%，在 OSWorld 上达到 60.1%，在 AndroidWorld 上达到 87.1%。
  • 在所有基准测试中均优于所有先前系统，并通过多次尝试超越人类表现。

结果表明，系统性的编排放大了基础模型的能力，从而仅通过视觉交互实现通用计算机控制。