17:30Decoder@Matthias Bastian71°Google 将“Computer Use”能力直接集成到 Gemini 3.5 Flash,使模型可自主操作电脑、浏览器和移动设备。在 OSWorld 基准测试中,Gemini 3.5 Flash 得分 78.4,与 GPT-5.5 成绩相当。开发者可利用 Gemini API 构建用于软件测试或办公自动化的智能体。AI模型Gemini 3.5 FlashComputer UseOSWorld智能体自动化推荐理由:Google 把屏幕操控塞进了 Gemini 3.5 Flash,OSWorld 得分和 GPT-5.5 差不多。开发者直接用 API 就能做自动化,很实在。原文
11:28arXiv cs.AI@Suji Kim, Kangsan Kim, Sung Ju Hwang精选计算机使用代理(CUA)在多个领域取得进展,但为每个领域部署大型专家模型成本高昂。小模型虽更实用,但在特定领域表现不均。研究发现,简单合成大规模训练数据效果有限。为此,研究者提出LearnWeak框架,利用强参考代理识别小模型的弱点,自动生成针对性任务和训练数据,并引入错误感知的专精目标,区分规划与执行错误。在OSWorld基准上,LearnWeak在八个领域平均提升EvoCUA-8B和OpenCUA-7B分别11.6和11.1个百分点,优于现有方法。论文计算机使用代理模型专精弱点识别自动数据合成OSWorld推荐理由:做小模型领域专精的团队终于有了高效方案——LearnWeak用强模型找弱模型短板,自动生成针对性数据,比盲目合成数据效果好太多,做CUA或自动化代理的开发者值得一试。原文