OS-Helix智能体
2 节点1 篇3 来源
上海人工智能实验室等机构发布OS-Helix，一种统一图形界面（GUI）交互与代码执行的原生计算机使用智能体。该研究指出，简单地将代码工具附加到GUI智能体上会导致性能下降，必须通过混合数据训练实现原生协调。
在OSWorld-Verified基准测试中，OS-Helix-27B-RL模型取得了66.44%的成功率，较匹配的Qwen3.5混合基线相对提升42.9%。其核心创新在于“应用-工件组合”以构建可验证的监督数据，以及提出Step-balanced GSPO算法以防止长代码动作主导优化过程。
这一进展回应了当前计算机使用智能体面临的效率瓶颈：现有系统虽准确率提升，但端到端延迟极高（如OSWorld-Human研究指出的数十分钟任务耗时）。OS-Helix试图通过单一策略内的GUI/代码路由来平衡视觉泛化能力与程序化操作效率。目前争议点在于这种原生协调是否能在更复杂的跨平台场景（如WindowsAgentArena的初步迁移结果所示）中保持稳定性，以及其训练成本的可扩展性。
事情怎么走到这一步
论文《OS-Helix: Unifying GUI Interaction and Code Execution in Native Computer-Using Agents》提交至arXiv，作者来自上海AI Lab、中科大等机构。
arxiv.org ↗预印本公开，显示OS-Helix在OSWorld-Verified上达到66.44%成功率，并揭示了朴素添加代码工具会降低GUI智能体性能的现象。
arxiv.org ↗
还没定论的部分
- OS-Helix在真实生产环境中的端到端延迟表现如何？（对比OSWorld-Human指出的高延迟问题）
- Step-balanced GSPO算法在其他非桌面自动化任务（如Web导航）中的通用性如何？
- 混合数据训练的“应用-工件组合”方法能否低成本扩展到更多操作系统和应用程序？