今天小編分享的科學經驗：Claude自動玩崩鐵清日常，NUS新論文完整測評AI電腦操控：GUI智能體的黎明，歡迎閱讀。
Claude操控電腦，究竟可以做到什麼程度？
新加坡國立大學團隊在 20 多個場景下做了全面測試，其中最引人矚目的是：AI 可以自動玩手遊清日常任務了！
研究中選用了米哈遊《崩壞：星穹鐵道》，可以跟它說 " 幫我完成今天的模拟宇宙 "，然後，Claude 就會立即依次打開遊戲菜單、找到星穹裡的 " 黃金花萼 "、自動設定 6 次挑戰次數：
甚至還可以啟動自動戰鬥、等待戰鬥結束後退出，這一套組合操作簡直行雲流水……
而且注意哦，這不僅是傳統遊戲外挂那樣的機械操作，Claude 還能智能理解遊戲規則和目标，根據界面上不同的任務進行調整。
這下好了，人類只能在一旁幹瞪眼了。
除了更多測試場景外，論文還提出了一個開箱即用的自動 GUI 框架。
有網友看到視頻後評論說：以後我去上學的時候，就可以讓 Claude 幫我玩每日任務了。
還可以自動完成很多辦公任務
Claude Computer Use 的潛能還遠遠沒有被人類發掘——
研究團隊還測試了很多日常辦公場景下它的性能：
1. 網頁搜索
它可以在 Amazon 和 Apple 官方網站上成功完成下單購物的任務，選擇顏色配置、填寫地址都輕松拿捏。
2. 工作流程
模型還成功完成了在 Apple Music 添加歌曲、編輯 Excel 數據、在 App Store 安裝應用等自動任務。
雖然界面設計和跳轉邏輯更加復雜，它還是能智能地理解任務的最終目标，真是一個成熟的好 AI（欣慰）！
3.. 辦公生產力軟體
此外，它還可以在 Outook 中轉發郵件、調整 Word 布局、設定 PowerPoint 背景設定和插入三角形形狀等等，這下真的可以大大增強生產力了（AI 無用論 -1）。
4. 還可以玩其他遊戲
除了《崩壞：星穹鐵道》，模型也可以自動玩《爐石傳說》，包括創建和重命名牌組、使用英雄技能等等。
Claude Computer Use API + 自動化 GUI 框架
你可能會好奇，強如 Claude Computer Use，是怎麼做到自動完成任務的呢？
下面我們就一起來看看背後的框架設計——
具體來說，團隊基于 Claude Computer Use 的 API 設計了一個自動化 GUI 框架，主要分為以下 6 個部分：
1. 系統提示
Claude Computer Use 的系統提示包括環境概述、可用函數和參數描述。用戶可以通過編寫 塊來調用這些函數，例如計算機互動、Bash Shel 命令和檔案編輯工具。
2. 狀态觀察
Claude Computer Use 通過實時截圖觀察環境，不依賴元數據或 HTML。每個時間步長過後，模型都會保留歷史截圖，幫助生成下一步的動作。
3. 推理範式
Claude Computer Use 采用了一種推理 - 行動範式，通過觀察環境來決定下一步的動作。這種範式可以讓模型在高度動态的 GUI 環境中生成更可靠的動作。
4. 工具使用
Claude Computer Use 提供了三種工具：計算機工具、文本編輯器工具和 Bash 工具，它們可以幫助模型與計算機進行互動，執行各種任務。
5.GUI 動作空間
GUI 動作空間内置了所有原始的滑鼠和鍵盤動作，如滑鼠移動、點擊、按鍵組合、拖放和截圖等。模型會根據需要自行組合。
6. 歷史視覺上下文維護
模型在每個時間步長都會保留歷史截圖，以輔助動作生成過程。具體公式如下：
性能測試
為了更加廣泛地測試 Claude Computer Use 和 GUI 框架聯合後的性能效果，團隊還設計了詳盡的測試實驗，包括
1. 數據收集：實驗設計包括在 Windows 和 macOS 上通過 ComputerUse Out-of-the-Box 平台進行評估。評估任務覆蓋了廣泛的應用領網域，包括網頁搜索、工作流程、辦公生產力軟體和視頻遊戲等。
2. 樣本選擇：選擇了 20 個任務，涵蓋 12 個軟體或網站，分為以下三個領網域：網頁搜索、工作流程、辦公生產力和視頻遊戲。具體的任務可以查看下表：
3. 參數配置：系統分辦率設定為 Windows 的（1366,768）和 macOS 的（1344,756）。過程中還加入了人類評審和評估用于監控和審查過程，确保任務的順利完成。
雖然 Claude Computer Use 在之前的例子中表現都非常厲害，但當網頁或軟體的頁面過于復雜時，模型也出現了一些失敗案例：
1. 精細網頁操作失敗：在 Fox Sports 訂閱任務中失敗，錯誤原因主要在于模型沒有正确導航到 "Account" 選項卡。
2. 辦公軟體失敗：在 Word 中更新簡歷模板、和在 PPT 中插入編号符号兩個任務中失敗，錯誤原因在于模型未能準确選擇和定位文本資料欄。
不過整體來說，Claude Computer Use 已經很棒了，而且這功能也剛剛發布沒多久，未來可期！
團隊還公開了所有測試用例的具體信息，感興趣的小夥伴可以點 GitHub 項目鏈接查看更多消息～
Claude 老師，以後我的 PPT 和 Steam 就拜托你了（bushi）
參考資料：
https://arxiv.org/pdf/2411.10323
https://github.com/showlab/computer_use_ootb
