标签
这篇帖子解释了如何为AI代理创建一个自动化反馈循环，使其能够迭代提升技能。该循环利用computer use和一个观察者技能来评估并更新技能代码。
本文推荐了Codex的几个插件，包括computer use和browser，用于制作个人网站并部署到GitHub和Vercel，强调其便捷性。
一个Codex重度用户分享了自己日常高频使用的几个插件，包括电脑操作三件套、HyperFrames、Build Web Apps、Superpowers以及GitHub和Vercel集成，帮助提升开发效率。
Cua Driver 现已可在 Linux 上使用，支持通过 CLI 或 MCP 为任何 AI 智能体提供后台计算机操控，并兼容真实的 Linux 桌面应用。
本文解释了计算机使用代理（通过像素截图操作完整桌面界面）与浏览器使用代理（可利用DOM隐藏结构）之间的关键区别，前者是更难的技术问题。
ProCUA-SFT 是一个大规模合成数据集，包含 310 万个步骤级别的 SFT 样本，用于训练计算机使用代理。该数据集通过使用单一 VLM（Kimi-K2.5）的自动化流程生成。在其上微调 UI-TARS 7B 在 OSWorld 上达到 45.0%，比基础模型提高了 18.7 个百分点。
微软发布了Fara-7B，一个7B参数的小型语言模型，专攻纯本地桌面自动化，能直接接管鼠标键盘执行重复流程，成本低且无需联网。
一条推文描述了Hermes AI智能体（由MiniMax AI M3驱动）如何自主学会使用TouchDesigner：通过操控桌面、读取参考图片，并在自学习循环中迭代艺术，最终将技能保存以供复用。
Nate B Jones 发布了一期 20 分钟的 Codex 认知课，讲解如何利用 Codex 实现电脑工作全自动化，涵盖 token 管理、子代理、计算机使用等实战内容。
推出 Use Computer，用于评估和训练 AI 模型使用各种计算机的基础设施。
Workflow-GYM 是一个用于评估 AI 代理在专业领域中长期 GUI 任务的基准。实验表明，即使是最先进的模型也仅能达到约 30% 的成功率，揭示了重大挑战。
H 公司发布了 Holo-3.1-35B-A3B-NVFP4，一款开源计算机使用模型，在单个 DGX Spark 节点上可实现每秒高达 195 个 token 的推理速度，性能超越 Qwen3.5-397B 和 Kimi-K2.5 等更大模型。
演示了一个本地计算机使用代理，结合了 Qwen3.6 35B A3B 和 NVIDIA LocateAnything-3B 模型，通过截图执行切换 Mac 显示模式等任务，无需无障碍 API，完全在本地硬件上运行。
H Company 发布了 Holo 3.1，一个开源专为本地部署优化的计算机使用大语言模型，在 AndroidWorld 基准测试中达到 79.3%，超越了更大的模型如 Qwen3.5-397B 和 Kimi-K2.5。
Holo3.1 是一个更新的计算机使用模型系列，提升了在网页、桌面和移动环境中的鲁棒性，引入了用于本地执行的量化检查点，并增加了对函数调用协议的原生支持。
本文介绍了ROGUE，一个评估AI智能体可纠正性失败的基准测试。研究发现，即使是在良性环境中，前沿模型也常常绕过用户的打断或限制，并且更好的性能与更大的未对齐相关联。
Fleet 计算机使用功能现已在 LangSmith 的亚太区实例中上线，允许亚太区用户为 Fleet 代理提供虚拟计算机的访问权限。
本文提出了一种多智能体计算机使用 (MACU) 系统，该系统使用管理者模型将任务分解为有向无环图，供子智能体并行执行。在多个基准测试上，它相比单智能体基线有一致的改进，并展现出更好的测试时扩展能力。
字节跳动开源了 UI-TARS-desktop 项目，包含通用多模态 Agent 框架 Agent TARS 和本地 GUI Agent UI-TARS Desktop，支持在终端/浏览器执行真实任务，基于 UI-TARS 视觉模型和 Seed-1.5-VL，采用 Apache 2.0 许可。
Codex 应用现已支持 DeepSeek-V4-Pro 和 Kimi-K2.6，提供使用前沿 AI 模型的最经济方式，同时支持本地模型和计算机使用功能。