代理能征服网络吗？探索ChatGPT Atlas代理在网络游戏中的边界

于红博

摘要: OpenAI的ChatGPT Atlas引入了新的能力，使模型能够分析网页、处理用户意图，并在浏览器内直接执行光标和键盘输入，从而增强了网络交互的功能。尽管其信息检索任务的能力已经得到证明，但其在动态、交互式环境中的表现仍未得到充分探讨。在本研究中，我们利用基于浏览器的游戏作为测试场景，包括Google的T-Rex Runner、数独、Flappy Bird和Stein.world，对Atlas的网络交互能力进行了早期评估。我们使用游戏内表现分数作为量化指标，评估不同任务类型的性能。我们的结果显示，Atlas在像数独这样的逻辑推理任务中表现出色，完成拼图比人类基线明显更快，但在需要精准时间和运动控制的实时游戏中遇到了很大困难，经常无法越过初始障碍。这些发现表明，虽然Atlas展示了出色的分析处理能力，但在需要实时交互的动态网络环境中仍存在明显的限制。我们项目的网站可以在https://atlas-game-eval.github.io找到。

更新时间: 2025-10-30 09:35:51

领域: cs.CL,cs.AI

下载: http://arxiv.org/abs/2510.26298v1