Can Agent Conquer Web? Exploring the Frontiers of ChatGPT Atlas Agent in Web Games
计算与语言
2025-10-31 v1 人工智能
摘要
OpenAI 的 ChatGPT Atlas 引入了 web 交互的新能力，使模型能够在浏览器中分析网页、处理用户意图并直接执行光标和键盘输入。虽然其信息检索任务的能力已得到证明，但在动态、交互式环境中的表现尚未得到广泛探讨。本文以浏览器游戏为测试场景，对 Atlas 的 web 交互能力进行早期评估，包括 Google 的 T-Rex Runner、数独、Flappy Bird 和 Stein.world。我们采用游戏内得分作为量化指标，评估不同任务类型的表现。结果显示，Atlas 在逻辑推理类任务（如数独）中表现强劲，解谜速度显著超越人类基准；但在需要精确时机和运动控制的实时游戏中表现不佳，常常无法突破初始障碍。这些发现表明，Atlas 在分析性处理方面具有能力，但在需要实时交互的动态 web 环境中仍存在显著局限。项目网站可在 https://atlas-game-eval.github.io 访问。
引用
@article{arxiv.2510.26298,
title = {Can Agent Conquer Web? Exploring the Frontiers of ChatGPT Atlas Agent in Web Games},
author = {Jingran Zhang and Ning Li and Justin Cui},
journal= {arXiv preprint arXiv:2510.26298},
year = {2025}
}