电脑智能体技术突破 - 行业首次实现仅需312条人类标注轨迹即可训练出高性能电脑智能体PC Agent-E，性能提升达241%，超越Claude 3.7 Sonnet的extended thinking模式，成为Windows系统开源电脑智能体的新一代SOTA [1][10] - 关键创新在于轨迹增强（Trajectory Boost）技术，利用Claude 3.7 Sonnet为每一步合成多个动作决策，使模型性能相比仅使用人类轨迹训练提升141% [8][11] - 研究表明大模型已具备基础电脑操作能力，性能瓶颈在于长程推理（long-horizon planning）能力的激发，而该能力可通过少量高质量轨迹显著提升 [3][13] 数据收集与处理方法 - 数据来源仅需两位作者一天时间通过PC Tracker工具收集的真实操作轨迹，每条包含任务描述、屏幕截图及键盘鼠标操作 [4] - 原始轨迹经过思维链补全（Thought Completion），为每个动作步骤添加符合ReAct范式的思考逻辑 [7] - 轨迹增强阶段利用环境快照（environment snapshot）通过Claude 3.7 Sonnet为每一步合成9个额外动作决策，极大丰富数据多样性 [8][11] 模型训练与性能表现 - 基于开源模型Qwen2.5-VL-72B训练，PC Agent-E作为原生智能体模型可实现端到端任务执行，无需复杂工作流设计 [10] - 在改进版WindowsAgentArena-V2评测中表现优异，同时在OSWorld平台展现跨平台泛化能力 [10] - 实验显示模型性能随合成动作数量增加而显著提升，验证了轨迹增强方法的有效性 [11] 行业影响与未来方向 - 该方法证明少量高质量轨迹可替代海量标注数据，为构建更智能的数字代理提供新思路 [13] - 当前电脑智能体能力仍显著落后人类，在预训练和监督微调阶段引入人类认知仍是必要基础 [13] - 技术路径降低了数据需求，为未来开发自主操作数字世界的智能代理奠定基础 [13]