AI 日报

Hello HN！我们是来自 Cua 的 Dillon 和 Francesco。 我们一直在想，有多少计算机使用任务实际上需要一个完整的通用 LLM（例如 gpt-6-astra、claude-opus-5 等）来思考它们的所有决策和步骤。有些任务需要思考计划、探索不同路径、从失败中恢复。另一些任务则是做出局部决策的问题，比如这个值应该填进这个框，或者我是否应该勾选这个复选框，或者这个元素应该被忽略。 我们想知道，如果训练一个小模型只做这类决策，能走多远。 我们的灵感来自 Typesafe 的 Jev 及其 System One Model 的框架。这是在致敬 Daniel Kahneman 所描述的二分法：快速、自动、直觉式思考（系统 1）与缓慢、分析式思考（系统 2）。 对我们来说，有趣的问题是：如果给模型一个包含当前上下文的接口，以及一组可能的选择，并要求它为每个选择返回一个概率，会发生什么？这类模型不像大多数 LLM 那样逐 token 生成输出，而是对你给它的选项打分；你可以检查、信任并使用这些分数来驱动你的应用行为。 CUA-S1 是我们面向计算机使用场景中狭窄、专用决策模型的答案。我们的第一个发布版本是 CUA-S1-FORMS。我们基于 jevlike 中的想法和代码构建了它，然后训练了第二个模型，专门处理表单交互。它有 706k 个参数，原始 checkpoint 为 2.8 MB。 第一次训练迭代在合成数据上耗时不到 30 分钟。给定一组从文档中提取的结构化元素和值，它会为每个元素预测是否使用给定值、CHECK、CLICK 或 SKIP。它不会为文本字段预测新值，也不会考虑截图。元素决策会一起打分，你的代码可以对操作进行排序，而 Cua Driver 会逐一执行它们。 该专用模型与托管版 Jev 在我们的表单任务上的首次评估结果： - 对整个决策集：99.7% 正确 vs 83.6%。 - 对需要执行操作的步骤子集：100% 正确 vs 96%。 - 对只是保持已填写字段不变的步骤子集：100% 正确 vs 74%。 该专用模型是专门针对这个任务和约定（对已经填好的框直接按 skip）训练的，而托管版 Jev 并未为此进行微调，因此这是一次关于限定范围专业化的实验。 我们测得在本地为一个表单打分需要 7-9 ms，而调用托管版 Jev 每次需要 260-280 ms（包括网络延迟），不过这些样本测量的是不同内容，并不是端到端的表单完成时间。 我们在这里感兴趣的是介于脆弱脚本和通用 agent 循环之间的空间。表单字段的内容和布局变化足够大，以至于脚本会变得难以维护，但可用决策集合可以保持狭窄且边界清晰。我们想探索这样一种可能性：通用 agent 遇到新颖情况，并把已被充分理解的决策交给这样的专用模型处理。 这是我们正在研究的方向。当前发布版本仅用于表单。我们已将合成数据生成、训练、评估和 Driver 集成以 MIT 许可证开源在 libs/cua-s1 下。 欢迎评论！尤其是如果你正在构建计算机使用 agent，并且遇到过某种反复出现的决策：它太多变以至于难以脚本化，但又太狭窄以至于不值得调用另一个 LLM。 评论 URL： https://news.ycombinator.com/item?id=49767564 点数：4 评论数：0

— Hacker News 熱門

文章 URL： https://www.tomshardware.com/tech-industry/artificial-intelligence/microsoft-director-called-ai-scraping-the-largest-theft-of-labor-in-human-history-while-openai-head-brands-chatgpt-an-existential-threat-to-publishers-revelations-come-from-legal-briefs-filed-in-nyt-lawsuit 评论 URL： https://news.ycombinator.com/item?id=49768921 点数：42 评论数：7

— Hacker News 熱門