OpenGCUA迈向完全开放的通用计算机操作技术栈
OpenGCUA是一个正在进行的开源项目，旨在为结合视觉和程序化接口的通用计算机操作智能体构建完整技术栈。其设计采用代码执行，让中间结果决定后续操作，并将部分原本由固定控制框架负责的观察和任务状态判断交给模型。报告称，在OSWorld-v2上，完整配置使全部8个受评模型的任务得分均有所提升；与仅使用图形界面的批量执行相比，平均部分得分提高19.6分，每项任务报告的步骤数减少53%。项目同时发布了代码、提示词、评估轨迹、初步的真实设备控制框架和跨设备SDK。在4项真实macOS任务中，不同模型报告的推理令牌使用量也存在显著差异。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。