Operator 是一个可以使用网页浏览器来完成任务的系统。
Operator 可以查看网页并通过输入、点击和滚动与网页进行互动。
目前作为研究预览版推出,仅限美国地区的 Pro 用户使用。稍后会向 Plus 用户开放。
Operator 可以执行各种重复性的浏览器任务,例如填写表单、订购杂货,甚至创建 memes。
“memes” (表情包或迷因)是指在网络文化中传播的幽默或讽刺性内容,通常通过图片、视频、文字或图像的组合形式表达。它们在社交媒体平台上迅速传播,通常具有一定的模仿性质,内容会被反复修改或重用。memes 通过幽默或讽刺的方式反映文化、社会事件或流行趋势,往往有一定的自我表达或情境背景。
Operator 可以帮忙去餐厅订一张 2 人餐桌:
Operator 实例化了一个远程浏览器。Agent 通过点击和与网页互动来完成任务。
如果 Operator 需要一个位置,它可以使用自定义指令来引导自己。
对于关键操作,Operator 会向用户请求确认。
你可以用它来购物。只需提供一张购物清单的图片。
Operator 基于一种名为 CUA(Computer-using Agent)的模型。
CUA 结合了 GPT-4 的视觉能力和通过强化学习(RL)进行的高级推理,经过训练可以与图形用户界面(GUI)互动——即人们在屏幕上看到的按钮、菜单和文本框。
CUA 与截图互动,而不是通过 API!
它通过鼠标和键盘允许的操作与浏览器进行互动,这去除了对自定义 API 集成的需求。
通过内心独白,根据截图决定接下来采取的操作。
如果你想添加额外的指令并随后返回控制权,你也可以与 Operator 互动。
当你接管时,Operator 无法看到——这种互动是私密的。
例如,购买票务或查找有关活动的信息。
你还可以并行执行任务。
如果你没有指定具体的网站,Operator 也可以进行浏览,而不是直接访问应用程序或服务。
关于 Operator 的安全性,有一些细节:
-
它可以拒绝有害任务,避免访问被封锁的网站,并防止垃圾信息。
-
确认机制是 Operator 内置的一个关键缓解策略。
-
此外,还有一个有趣的提示注入监控作为额外的安全层。
这是一个很好的例子,说明何时 Operator 需要用户接管。在这种情况下,它请求提供电子邮件地址以继续登录。因此,互动的这一部分是保密的。
这是 CUA 在 OSWorld 和 WebArena 基准测试中的表现。CUA 的表现优于之前的最先进技术,但与人类表现相比,仍然有很长的路要走。
OpenAI 的团队提到,模型将在接下来的几周内发布。
Sam 在演示结束时表示,这是他们迈向 Agent Level 3 下一步的开始。
如何系统学习掌握AI大模型?
AI大模型作为人工智能领域的重要技术突破,正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口,掌握AI大模型的知识和技能将变得越来越重要。
学习AI大模型是一个系统的过程,需要从基础开始,逐步深入到更高级的技术。
这里给大家精心整理了一份
全面的AI大模型学习资源
,包括:AI大模型全套学习路线图(从入门到实战)、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等,资料免费分享
!
1. 成长路线图&学习规划
要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。
这里,我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。
2. 大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的,我们精选了一系列深入探讨大模型技术的书籍和学习文档,它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。(书籍含电子版PDF)
3. 大模型视频教程
对于很多自学或者没有基础的同学来说,书籍这些纯文字类的学习教材会觉得比较晦涩难以理解,因此,我们提供了丰富的大模型视频教程,以动态、形象的方式展示技术概念,帮助你更快、更轻松地掌握核心知识。
4. 2024行业报告
行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。
5. 大模型项目实战
学以致用 ,当你的理论知识积累到一定程度,就需要通过项目实战,在实际操作中检验和巩固你所学到的知识,同时为你找工作和职业发展打下坚实的基础。
6. 大模型面试题
面试不仅是技术的较量,更需要充分的准备。
在你已经掌握了大模型技术之后,就需要开始准备面试,我们将提供精心整理的大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。
全套的AI大模型学习资源已经整理打包,有需要的小伙伴可以
微信扫描下方CSDN官方认证二维码
,免费领取【保证100%免费
】