cotomi Act: Webbläsaragent lär sig jobb genom att observera användaren
En ny forskningspublikation presenterar cotomi Act, en webbläsarbaserad AI-agent som självständigt lär sig användarens arbetsuppgifter genom att observera interaktioner och omvandla dem till exekverbara instruktioner och organisationskunskap.
Vad har hänt
cotomi Act är en AI-agent integrerad i webbläsaren, utvecklad för att automatisera arbetsuppgifter genom att passivt observera användarens beteende. Systemet kombinerar tillförlitlig exekvering av flerstegsuppgifter med förmågan att skapa bestående organisationskunskap från användarbeteende. Agenten presterade 80,4% på WebArenas utvärderingsuppsättning med 179 uppgifter för mänsklig utvärdering, vilket överträffar den rapporterade mänskliga baslinjen på 78,2%.
Snabbfakta
| Publikationsdatum | 2026-05-30 |
|---|---|
| WebArena prestanda | 80.4% |
| Mänsklig baslinje | 78.2% |
| Antal uppgifter i WebArena | 179 |
”What if a browser agent could learn your work simply by watching you do it? We present cotomi Act, a browser-based computer-using agent that combines reliable multi-step task execution with persistent organizational knowledge learned from user behavior.”
”For execution, an agent scaffold with adaptive lazy observation, verbal-diff-based history compression, coarse-grained actions, and test-time scaling via best-of-N action selection achieves 80.4% on the 179-task WebArena human-evaluation subset, exceeding the reported 78.2% human”
Varför det spelar roll
Denna utveckling är betydande då den potentiellt kan revolutionera hur mjukvara interagerar med användare, skapar automatiseringslösningar och bygger kunskapsbaser. Genom att AI:n lär sig direkt från observation minskar behovet av explicit programmering eller omfattande konfiguration, vilket banar väg för mer adaptiva och personliga digitala assistenter. Systemet genererar artefakter som uppgiftstavlor och wikis från observerat beteende.
Vem påverkas
Huvudsakligen påverkas programutvecklare och forskare inom AI och automatisering, då detta representerar ett framsteg inom kognitiva agenter och maskininlärning. I förlängningen kan slutanvändare av webbläsarbaserade applikationer påverkas genom att få tillgång till mer avancerade och självlärande automatiseringsverktyg.
EU-status
Ej relevant för EU-status.
Mer att veta
Tekniken använder en agent-ställning med adaptiv lat observation, verbal-diff-baserad historikkomprimering, grovkorninga åtgärder och testtidsskalning via best-of-N-åtgärdsval. En kontrollerad proxyutvärdering bekräftade att uppgiftsframgång förbättras när beteendebaserad kunskap ackumuleras.
Snabba svar om den här nyheten
Vad har hänt?
När hände det?
Varför spelar det roll?
Vem påverkas främst?
Länken öppnar i nytt fönster och leder till utgivarens egen sida.
Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.