Simular公司的电脑代理Sai在OSWorld 2.0基准测试中取得73%成功率,超越GPT-5.6 Sol和Opus 5,成本仅为它们的三分之二。Sai采用神经符号方法,结合神经网络与符号代码,高效处理真实工作场景任务,如发票验证和疫苗预约。公司强调其设计注重经济实用性,而非追求行业荣誉,旨在为个人和企业提供可负担的自动化解决方案。
本文介绍了OSWorld基准,评估多模态代理在369个计算机任务中的表现,强调其在开放领域的应用潜力。研究表明,尽管GPT-4等代理表现优异,但仅达到人类能力的15%。多个基准测试如VisualWebArena和WebVoyager揭示了多模态代理在实际应用中的挑战与进展,为未来研究提供了重要参考。
完成下面两步后,将自动完成登录并继续当前操作。