WebArena作者Shuyan Zhou入職Meta超級智能實驗室

夢想是做能幫媽媽訂機票的AI瀏覽器。程淺 發自 凹非寺 | 公眾號 QbitAI Meta的億元俱樂部又添一中國面孔。最新消息，哈工大校友、WebArena作者Shuyan Zhou，宣佈自己於今年年初離開學術界，加入了Meta的“AI夢之隊”超級智能實驗室。這次來到Meta，她明確說了最核心的工作：開發AI瀏覽器。還透露，這一研究興趣源於自己申請博士時的初心——她希望有一天能送給媽媽一臺可以由對話驅動，能自動購買機票的設備。Shuyan Zhou是誰？Shuyan Zhou，哈工大CS校友，同時擁有港大CS學士學位。

18年本科畢業後，她進入了卡內基梅隆大學的語言技術研究所，接連攻讀碩博，隨後2024年博士畢業。儘管此時距Shuyan Zhou拿到博士學位才兩年，但她谷歌學術的論文引用已高達9569次，h-index 25，可以說是相當突出的青年學者了…… 早在2020年，Shuyan Zhou開始讀博時，她的研究重心就收斂到了數年後的一個關鍵問題上： 如何讓AI進入真實的數字環境，替用戶完成任務？也就是，用戶只需要講出來想做什麼，智能體就可以判斷接下來該打開哪個頁面、點擊哪裡，填寫哪些信息……以及，如何在出錯後重新調整。這樣一種研究動機，可能和她的媽媽有關。

早些年間，她曾送給媽媽一臺中文版Alexa（亞馬遜的語音助手）。這臺設備可以執行簡單命令，比如播放音樂、聊天氣，就像小愛同學一樣貼心。但如果要訂機票，Alexa就愛莫能助了，媽媽只能給Shuyan Zhou打電話，讓她一步一步指導。從那時起，Shuyan Zhou就在思考：如何能造一臺僅靠聊天就自動完成任務的智能設備？幫助媽媽以及像她一樣的人更好地生活？如其所說，2020年，她在申博材料裡闡述了這一初衷——四年後，她的博論《使用AI智能體解決現實世界任務》給出了階段性答案。此研究方向也可以一窺這次的Meta就職，Shuyan Zhou的工作重心所在。

說起來，這也是Shuyan Zhou第二次來Meta了。2024年，她就加入過Meta的GenAI，當時在Ruslan Salakhutdinov（也是楊植麟在卡內基梅隆的博導）領導的團隊工作，研究Llama通用計算機操作智能體。去年，她離開Meta，到杜克大學任教——直到今年初。Shuyan Zhou要教會AI上網 與研究方向一脈相承，Shuyan Zhou的代表性產品是WebArena。WebArena是Shuyan Zhou博士階段的項目產出，是一個用於構建自主代理的現實網頁環境，提供真實交互與任務執行功能。

早WebArena誕生之前，許多瀏覽器智能體都在簡化網頁或靜態數據集上接受測試——這些環境便於開展實驗，但難以反映真實網站中的連續操作、頁面變化和用戶權限等情況。這也是WebArena關注的核心問題，即如何在接近真實互聯網的環境中，評估AI操作網頁和完成任務的能力。為此，項目利用開源軟件，重新搭建了電商、論壇、代碼協作和內容管理等網站，形成一套可以獨立部署和重複使用的交互環境。Shuyan Zhou和團隊還設計了241類任務模板，生成812項測試任務，用於檢驗AI能否根據自然語言指令，連續完成搜索、點擊、輸入、頁面跳轉和內容修改等操作。

順著這條路走下去，Shuyan Zhou又參與了VisualWebArena。這個項目延續了WebArena的基本框架，但將評測重點從文字信息擴展到圖片、圖標和頁面佈局，加入了910項需要視覺理解的網頁任務。這之後，Shuyan Zhou還與香港大學XLANG團隊等機構共同完成了OSWorld的研究，將評測範圍從瀏覽器進一步擴展到整個計算機系統。OSWorld包含369項計算機操作任務，涉及瀏覽器、文件系統、辦公軟件和多個應用之間的協同操作。△OSWorld使用真實計算機環境評測智能體跨應用操作能力 該項目於2024年4月首次公開，隨後入選NeurIPS 2024數據集與基準賽道。

論文發表時的數據顯示，人類在測試任務中的完成率為72.36%，而表現最好的模型只有12.24%。問題有很多：視覺定位、長程規劃、動態環境、錯誤恢復、安全權限……這些可能都會是Shuyan Zhou之後搞AI瀏覽器時必須面臨的挑戰。小扎重金攢出的AI天團，開始交作業 Shuyan Zhou此次加入的Meta超級智能實驗室（Superintelligence Labs），簡稱MSL，成立於2025年6月。

MSL是Meta重組AI業務的AI整體組織，它將負責下一代基礎模型的TBD Lab、負責長期研究的FAIR、負責產品落地的產品與應用研究團隊、以及提供算力和工程支持的MSL Infra整合到了一個體系裡。只為了實現“個人超級智能”。按照小扎的設想，超級智能不能替代人類，而是要真正理解用戶需求，通過Meta AI、WhatsApp、Instagram、智能眼鏡等現實入口幫用戶實現價值。為此，Meta在去年就發起了一輪受到天價人才招募，向頂級研究人員提供頂級薪酬。更惹人注意的是，在MSL已公開的管理者和研究人員中，華裔佔比接近一半。

比如： MSL的總負責人Alexandr Wang，華裔創業者，19歲創辦Scale AI，後獲Meta143億美元投資。MSL的首席科學家趙晟佳，本科畢業於清華，曾在OpenAI參與ChatGPT、GPT-4及推理模型的研發。MSL的首席研究員宋颺，擴散模型的代表性研究者，曾負責OpenAI的戰略探索團隊，目前與趙晟佳共同參與實驗室研究方向的設計。畢樹超，浙江大學數學系，曾擔任Google工程負責人，曾在OpenAI負責多模態後訓練，目前在MSL研究強化學習、模型後訓練和智能體。

Dawn Son，本科就讀清華，UC Berkeley教授、AI安全與計算機安全研究者，在MSL從事AI安全、可信智能體等方向的研究。…… △從左至右：扎克伯格、趙晟佳和Alexandr Wang 可以說，華裔研究者以及中國高校培養的學生，已經進入全球前沿模型、智能體和AI安全研究最核心的崗位。另一方面，在完成組織調整和人才招募之後，MSL也確實在推出實際成果。今年4月，Meta發佈MSL成立後的首個模型Muse Spark，一款面向個人智能體場景設計的多模態推理模型。9月，Meta又推出由Muse Spark驅動的個人智能體Muse。一時間大熱。

用戶可以向它交代目標，由它處理郵件、填寫表格、購物或制定長期計劃，未來將接入AI智能眼鏡。如此來看，Muse這條路和Shuyan Zhou的研究路線也有直接關聯。那就期待後續Shuyan Zhou的AI瀏覽器真的能從論文裡走出來，造福大家吧…… 版權所有，未經授權不得以任何形式轉載及使用，違者必究。