论文标题：

Windows Agent Arena: Evaluating Multi-Modal OS Agents at Scale [2024.09.12]

《Windows Agent Arena：大规模评估多模式 OS 代理》

论文地址：

arxiv.org/abs/2409.08264

论文创新点：

• WindowsAgentArena允许智能体在真实的Windows操作系统中自由操作，解决了此前测试平台的环境和模态限制问题。

• 该研究开发了Navi智能体，验证其在该平台中的表现，并发现智能体的成功率为19.5%，相比无助力的人的74.5%仍有较大提升空间。

• 该论文开源了所有代码和基准任务，旨在推动多模态智能体在Windows环境中的开发与评估。

导 读

WindowsAgentArena是一个针对多模态操作系统（OS）智能体的测试平台，专门用于Windows环境。随着大语言模型（LLMs）在任务规划与推理方面的能力不断提升，测试这些模型作为计算机智能体在现实世界中的表现变得至关重要。

WindowsAgentArena通过并行化任务执行，显著缩短了复杂任务评估的时间。此外，本文还引入了名为Navi的智能体，分析其在Windows任务中的表现，并为未来研究提供了深入的见解。

WindowsAgentArena基准测试套件的架构

研究概述

该文介绍了WindowsAgentArena，这是一个用于评估多模态操作系统（OS）智能体的全新基准测试平台，专门针对Windows操作系统环境。当前的智能体在诸如网页导航、编程和问答等特定领域已经展示了强大的能力，但在复杂的多模态环境下（如Windows操作系统），智能体的表现评估依然存在困难。为了解决这些挑战，WindowsAgentArena提供了一个可扩展且可复现的测试环境，允许智能体在真实的Windows操作系统中执行跨应用、多步骤的任务。

研究开发了Navi这一多模态智能体，并在WindowsAgentArena上进行了广泛的测试。Navi展示了在Windows环境下的任务执行能力，其成功率达到了19.5%。此外，Navi还在另一项基准测试Mind2Web中取得了较好的表现。

研究数据

平台设计了154个多步骤任务，涵盖多种应用和任务领域，包括文档编辑、网络浏览、系统设置、代码编辑、媒体播放等。这些任务代表了Windows用户的常见工作负载。任务分布在11个不同的程序/应用中，具体数据如下：

• 文档编辑（Office类任务）：43个任务。

• 网络浏览：30个任务。

• 系统任务（文件管理、设置）：24个任务。

• 编程相关：24个任务。

• 媒体播放与视频：21个任务。

• Windows实用工具（如记事本、时钟、画图等）：12个任务。

任务难度：任务按难度分为三个级别，易（Easy）、中（Medium）、难（Hard），任务完成步骤从5步到20步不等，大部分任务难度为中等。

任务分布概览

研究方法

Agent行为建模

Agent根据系统的当前观察状态生成可执行动作，包括鼠标点击、键盘输入、窗口管理等操作。具体操作通过 pyautogui 或封装的 Computer 类来实现，该类支持更精确的窗口和元素操作。

为了处理复杂的多模态环境，智能体使用了Set-of-Marks (SoM) 标记系统，该系统从屏幕快照、DOM树、UIA树、OCR等多种方式提取界面信息，帮助智能体定位可交互元素，并辅助决策。

Set-of-Marks标记系统的例子。图中不同颜色分别标注了OCR（蓝色）、图标检测（绿色）和图像检测（红色）的结果

奖励函数与任务评估

每个任务的评估基于系统状态的变化，任务结束时，通过预定义的脚本对比执行前后的状态，来判断任务是否完成。如果智能体达成了任务目标，则获得奖励。

奖励分为两种：二元奖励（任务成功或失败）和连续奖励（根据智能体输出与预期目标的相似度给出部分奖励），使得系统可以对复杂任务的部分完成给予评估。

跨数据操作、Web导航、应用设置等任务的评估脚本示例

Navi智能体开发与测试

开发了名为Navi的多模态智能体，以探索和评估其在WindowsAgentArena中的表现。Navi使用链式推理，根据屏幕状态、任务指令、动作历史等生成合理的下一个动作。

为了增强Navi的多模态处理能力，系统提供了几种屏幕信息处理方法，包括UIA树解析、OCR识别、图标和图像检测等。不同配置的Navi智能体分别使用了开源和专有的视觉模型来生成SoM标注。

Agent处理成功的案例

系统并行化与基准测试架构

该平台采用了可扩展的架构，基于Azure云计算的并行化技术，能够快速运行多个智能体实例来完成任务评估。这种方法显著减少了评估时间，从传统的几小时或几天缩短至20分钟左右。

通过在Docker容器中运行Windows 11虚拟机，智能体和任务管理器之间可以通过API高效通信，完成任务分配、执行和评估。任务的执行和评估结果被记录并保存在云端。

本地部署和云端部署的比较

研究结果

基准测试平台的成功构建

研究成功构建了WindowsAgentArena，一个可复现且可扩展的多模态智能体评估平台，专门针对Windows操作系统环境。该平台通过并行化技术大幅缩短了任务评估时间，能够在Azure云端实现快速任务执行和测试。

平台设计了154个多步骤任务，涵盖文档编辑、网页浏览、编程等多种场景，模拟真实用户操作，能够全面测试智能体的规划、工具使用和界面理解能力。

Navi智能体的性能表现及分析

Navi智能体在WindowsAgentArena上测试，取得了19.5%的任务成功率，展示了初步的多模态任务执行能力，尽管相较于人类用户（74.5%）的表现仍有较大提升空间。

Navi在任务中表现出了对文本主导界面的较强处理能力，但在处理依赖图形界面或快捷键的任务时，仍存在较大挑战，分析结果为未来优化智能体提供了方向。

一句话总结：本文构建了WindowsAgentArena，一个针对Windows操作系统的多模态智能体评估平台，并通过Navi智能体的测试，展示了该平台在推动智能体研究和开发中的潜力。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）