Qwen-CUA：基于纯视觉交互的通用计算机Agent
rohanpaul_ai · x · 2026-08-07
介绍了 Qwen-CUA 模型的技术思路，证明仅依靠人类常用的屏幕、鼠标和键盘，即可训练出强大的计算机控制智能体。
- 核心机制：将截图作为通用接口，不依赖底层代码或辅助标签，通过模拟鼠标点击与键盘输入跨软件执行任务。
- 训练规模：使用了近 10 万个虚拟处理器核心，覆盖约 4 万个可验证任务。
- 记忆管理：保留最近 20 张截图与历史操作记录，以应对长线复杂任务。
- 评测表现：在 OSWorld-Verified 基准测试中达到 86.2 分，但在更长周期的任务中仍面临挑战。
「编程与Agent」频道最新
- 开源记忆工具daimon：为编码Agent标记每条记忆为引用、推断或未验证，遗忘即删除 — Sea-Perception1619 · 2026-08-07
- 开源浏览器端 3D 机器人模型查看器：支持 URDF/MuJoCo — tom_doerr · 2026-08-07
- 开发者自建工具检测AI Agent决策漂移，CI构建前拦截错误决策 — Original_Iron7191 · 2026-08-07
- 小企业主求AI自动化建议：订单处理、邮件回复、社媒分析全想交给Agent — Low_Barber3002 · 2026-08-07
- 开源本地 MCP 代理 ShadowPaste：保护 .env 密钥免遭 AI 窥探 — shadowpaste · 2026-08-07
- 痛点吐槽：现在的 AI Agent 连找个好航班并订票都做不好 — braelyn_ai · 2026-08-07