微软很快就会让 Copilot 代理程序通过图形用户界面操作电脑,就像人类一样 —— 通过点击按钮、选择菜单,甚至在屏幕上填写表单。
周三,Windows 帝国宣布计划在 Copilot Studio — 微软搭建和部署 AI 代理的平台 — 之内启用电脑操作。这将免去员工必须亲自点击按钮和填写表单的麻烦,同时仍保持企业数据集中存储在微软云上 —— 雷德蒙德坚称这些数据不会用于训练其模型。
正如 Copilot 业务及行业部门企业副总裁 Charles Lamanna 在公司市场宣传资料中解释的:“电脑操作使得代理程序能够通过点击按钮、选择菜单、以及在屏幕上的输入框内键入文字来与网站和桌面应用程序互动。”
“这使得代理程序即便在没有可直接连接系统的 API 时也能处理任务。如果人可以使用该应用程序,代理程序也可以。”
据我们了解,AI 代理程序本质上是一些软件,它们能够与其他软件及用户进行交流,并利用生成式 AI 来做出决策和生成输出。
如今, Microsoft Copilot Studio 使客户能够创建 AI 驱动的代理程序来自动执行某些任务,但这些代理目前仅适用于特定服务,例如 SharePoint。而全新类型的代理程序则应当更加灵活。例如,你可以创建一个代理程序,并提示它执行一系列步骤,其中包括浏览以前未见过的网站、提取部分数据,并将这些数据传递给桌面应用程序。
Lamanna 提出了一些新型 Copilot 代理程序可能派上用场的场景,例如将来自多个来源的大量数据自动输入到一个中央数据库、自动收集用于研究的市场数据,或者利用 AI 文字及图像识别能力处理发票。
OpenAI为其最新模型赋能
微软并非唯一致力于使代理程序对普通人更有用的 AI 提供商。周三,OpenAI 推出了一套被称为 o3 和 o4-mini 的全新 AI 模型,据称它们是迄今为止最“聪明”的模型。它们的独特之处在于能够在 ChatGPT 内部自主使用并组合各种工具,以解决复杂的多步骤任务。
“这是我们的推理模型首次能够像代理一样在 ChatGPT 内部使用并组合所有工具 —— 包括网络搜索、使用 Python 分析所上传的文件和其他数据、深入推理视觉输入,甚至生成图像,”这家 AI 巨头表示。
举例来说,OpenAI 提出一个提示:“加州今年夏天的能耗与去年相比如何?”作为回应,o3 将发起一次网络搜索以获取公共事业数据,然后编写 Python 代码来创建能耗预测,接着生成一张图表或图片,并附上预测说明。换句话说,它能够无需人工协调或外部整合层,就自动完成涉及不同系统的多步骤任务。
OpenAI 表示,o4-mini 是一款体积更小、专为高速且节省成本的推理而优化的模型,并声称其在 AIME 2024 和 2025 的基准测试中名列前茅。
另外,OpenAI 还推出了 OpenAI Codex CLI,一款基于终端的编程代理程序。“Codex CLI 是为那些已经习惯使用终端,并希望获得类似 ChatGPT 水平的推理能力以及实际运行代码、操作文件和迭代更新能力的开发者而打造的 —— 所有操作均在版本控制之下,”该工具的 GitHub 仓库如此解释。
微软称,与预设的编程指令不同,AI 自动化在遇到障碍或界面出现意外变化时能够即时调整,而不是直接报错崩溃,而是利用内置的推理能力来应对困难。
Lamanna 声称:“电脑操作可自动适应应用程序和网站的变化。它会利用内置的推理能力实时进行调节,自主修复问题,从而确保工作不中断。”
一位 Copilot Studio 产品经理在社交媒体帖子中表示,希望这种推理过程不会涉及意外删除或违反政策的问题,正如一位关切的用户所担忧的那样。
然而,将计算任务交由 Copilot 处理可能会涉及意想不到的费用。与云服务类似,采用 AI 大规模计算的方法所产生的费用不易预测,如果某些任务计算需求较高,费用可能会让人感到惊讶。
对费用的担忧已被使用 OpenAI 的电脑操作 API 以及 Anthropic 的电脑操作 API 的用户提起。
微软正通过需要注册的早期访问研究预览,将电脑操作功能引入 Copilot Studio 用户。预计下个月在 Microsoft Build 2025 上将有更多相关信息。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。