Agent S4 让智能体自主进化界面，OSWorld V2 得分 21.3%
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载问题出在界面
论文指出，计算机使用智能体的能力受限于人类给它的界面。智能体可能逐格填写电子表格，而一行代码就能完成；也可能为了找一个函数，把两千行文件全部打印到 shell。界面本身以及何时该用哪种界面的知识都由人工构建，难以跟上新应用、新工作流和新模型的出现速度。作者因此主张，界面设计应当成为智能体自身具备的能力，而不是外部预先固定的配置。
元智能体如何造界面
Agent S4 被描述为一个自主的计算机使用科学家，从任务经验中构建可进化的智能体界面。它的做法是让元智能体观察任务智能体在合成训练任务上的执行轨迹，这些轨迹不携带成功标签；元智能体据此在仓库中构造并修订界面与配套的使用知识。随后采用种群式进化，依据各仓库在验证任务上的表现决定哪些继续发展，而验证任务是元智能体从未见过的，因此筛选偏向能泛化到已见任务之外的改动。
基准上的数字
在 OSWorld V2 上，Agent S4 搭配 Qwen3.8-27B 和进化得到的界面仓库，刷新了开源计算机使用智能体的最好成绩，二元得分为 21.3%，是同一模型配固定界面时的 3.8 倍。这一结果高于 GPT-5.5 的 13.0% 和 Claude Opus 4.8 的 20.6%，成本分别约为两者的 4.3% 和 1.5%。在 ScienceBoard 上，同一模型使用进化界面后成功率从 41.4% 提高到 58.6%。作者据此认为，有用的界面可以从经验中进化出来，自主界面设计能成为与模型和运行框架进步互补的提升来源，代码已开源。
为什么值得看
界面不再由人工固定，而能随任务经验自动进化，为计算机使用智能体提供了一条独立于模型与运行框架的提效路径。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。