cotomi Act：通过观察学习自动化工作
人工智能
2026-05-06 v1
摘要
如果浏览器智能体能仅通过观察你完成工作就能学习你的工作该多好？我们提出了 cotomi Act，这是一个基于浏览器的计算机使用智能体，将可靠的多步骤任务执行与从用户行为中学习的持久组织知识相结合。对于执行方，cotomi Act 采用自适应延迟观察、基于语言学的历史压缩、粗粒度动作以及通过最佳-N 动作选择实现的测试时扩展，实现了在 179 项 WebArena 人工评估子集上的 80.4% 成功率，显著高于报告的 78.2% 人类基线。对于组织知识，cotomi Act 采用一种行为到知识的管道，被动地观察用户的浏览行为，并逐步抽象出可暴露给用户和智能体共同编辑的工作区（如任务看板、维基）。受控的代理评估确认，随着行为派生的知识累积，任务成功率得以提升。在我们的现场演示中，观众可在真实浏览器中与系统交互，发布任务并观察其端到端的自主执行和共享知识管理。
引用
@article{arxiv.2605.03231,
title = {cotomi Act: Learning to Automate Work by Watching You},
author = {Masafumi Oyamada and Kunihiro Takeoka and Kosuke Akimoto and Ryoma Obara and Masafumi Enomoto and Haochen Zhang and Daichi Haraguchi and Takuya Tamura},
journal= {arXiv preprint arXiv:2605.03231},
year = {2026}
}
备注
7 pages, 4 figures. ACM CAIS 2026 (System Demonstrations)