Smol2Operator：后训练GUI智能体实现电脑操控

Hugging Face 发布 Smol2Operator，一个基于后训练方法的 GUI 智能体，能够通过视觉理解屏幕内容并执行鼠标键盘操作，实现电脑操控。该模型利用屏幕截图作为输入，输出操作指令，无需依赖系统 API 或辅助功能接口。Smol2Operator 在多个基准测试中表现出色，包括 WebArena、MiniWob++ 和 AndroidEnv，展示了跨平台 GUI 自动化的潜力。项目开源，提供模型权重和推理代码。