Агентные модели NEX N2.5: победа в бенчмарке OSWorld 2 и цикл верификации интерфейсов See, Act & CheckКратко · дайджест за 13 сентября
Кратко≈ 1 мин

Агентные модели NEX N2.5: победа в бенчмарке OSWorld 2 и цикл верификации интерфейсов See, Act & Check

В сфере управления компьютерными интерфейсами (computer use) фактором надежности становится переход к циклу верификации «See, Act & Check». Базовые мультимодальные агенты часто допускают слепые ошибки: отправляя клик по координатам, модель не проверяет системный отклик и продолжает цепочку действий на зависшем или некорректном экране.

Трехфазная архитектура устраняет этот сбой:

  1. Анализ (See): агент считывает снимок экрана и распознает интерактивные элементы.
  2. Действие (Act): отправка низкоуровневого события мыши или клавиатуры.
  3. Проверка (Check): захват нового кадра и подтверждение ожидаемого изменения — появления модального окна, смены URL или обновления формы.

Такой подход лежит в основе линейки моделей NEX N2.5, ориентированной на управление десктопными средами. Однако эксперты напоминают о рисках: успешные тесты в синтетическом бенчмарке OSWorld 2 нельзя переносить на рабочие станции без изоляции. Управление интерфейсом должно работать в изолированной песочнице, а необратимые действия — отправка сообщений, платежи или удаление данных — требуют подтверждения оператора.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 1