Meta AI梦之队上新，梦想做能帮妈妈订机票的AI浏览器

程浅 发自 凹非寺
量子位 | 公众号 QbitAI

Meta的亿元俱乐部又添一中国面孔。

最新消息，哈工大校友、WebArena作者Shuyan Zhou，宣布自己于今年年初离开学术界，加入了Meta的“AI梦之队”超级智能实验室。

图片

这次来到Meta，她明确说了最核心的工作：开发AI浏览器。

还透露，这一研究兴趣源于自己申请博士时的初心——她希望有一天能送给妈妈一台可以由对话驱动，能自动购买机票的设备。

Shuyan Zhou是谁？

Shuyan Zhou，哈工大CS校友，同时拥有港大CS学士学位。

18年本科毕业后，她进入了卡内基梅隆大学的语言技术研究所，接连攻读硕博，随后2024年博士毕业。

尽管此时距Shuyan Zhou拿到博士学位才两年，但她谷歌学术的论文引用已高达9569次，h-index 25，可以说是相当突出的青年学者了……

早在2020年，Shuyan Zhou开始读博时，她的研究重心就收敛到了数年后的一个关键问题上：

如何让AI进入真实的数字环境，替用户完成任务？

也就是，用户只需要讲出来想做什么，智能体就可以判断接下来该打开哪个页面、点击哪里，填写哪些信息……以及，如何在出错后重新调整。

这样一种研究动机，可能和她的妈妈有关。

早些年间，她曾送给妈妈一台中文版Alexa（亚马逊的语音助手）。

这台设备可以执行简单命令，比如播放音乐、聊天气，就像小爱同学一样贴心。

但如果要订机票，Alexa就爱莫能助了，妈妈只能给Shuyan Zhou打电话，让她一步一步指导。

从那时起，Shuyan Zhou就在思考：如何能造一台仅靠聊天就自动完成任务的智能设备？帮助妈妈以及像她一样的人更好地生活？

如其所说，2020年，她在申博材料里阐述了这一初衷——四年后，她的博论《使用AI智能体解决现实世界任务》给出了阶段性答案。

此研究方向也可以一窥这次的Meta就职，Shuyan Zhou的工作重心所在。

说起来，这也是Shuyan Zhou第二次来Meta了。

2024年，她就加入过Meta的GenAI，当时在Ruslan Salakhutdinov（也是杨植麟在卡内基梅隆的博导）领导的团队工作，研究Llama通用计算机操作智能体。

去年，她离开Meta，到杜克大学任教——直到今年初。

Shuyan Zhou要教会AI上网

与研究方向一脉相承，Shuyan Zhou的代表性产品是WebArena。

WebArena是Shuyan Zhou博士阶段的项目产出，是一个用于构建自主代理的现实网页环境，提供真实交互与任务执行功能。

早WebArena诞生之前，许多浏览器智能体都在简化网页或静态数据集上接受测试——这些环境便于开展实验，但难以反映真实网站中的连续操作、页面变化和用户权限等情况。

这也是WebArena关注的核心问题，即如何在接近真实互联网的环境中，评估AI操作网页和完成任务的能力。

为此，项目利用开源软件，重新搭建了电商、论坛、代码协作和内容管理等网站，形成一套可以独立部署和重复使用的交互环境。

Shuyan Zhou和团队还设计了241类任务模板，生成812项测试任务，用于检验AI能否根据自然语言指令，连续完成搜索、点击、输入、页面跳转和内容修改等操作。

顺着这条路走下去，Shuyan Zhou又参与了VisualWebArena。

这个项目延续了WebArena的基本框架，但将评测重点从文字信息扩展到图片、图标和页面布局，加入了910项需要视觉理解的网页任务。

这之后，Shuyan Zhou还与香港大学XLANG团队等机构共同完成了OSWorld的研究，将评测范围从浏览器进一步扩展到整个计算机系统。

OSWorld包含369项计算机操作任务，涉及浏览器、文件系统、办公软件和多个应用之间的协同操作。

△OSWorld使用真实计算机环境评测智能体跨应用操作能力

该项目于2024年4月首次公开，随后入选NeurIPS 2024数据集与基准赛道。论文发表时的数据显示，人类在测试任务中的完成率为72.36%，而表现最好的模型只有12.24%。

问题有很多：视觉定位、长程规划、动态环境、错误恢复、安全权限……这些可能都会是Shuyan Zhou之后搞AI浏览器时必须面临的挑战。

小扎重金攒出的AI天团，开始交作业

Shuyan Zhou此次加入的Meta超级智能实验室（Superintelligence Labs），简称MSL，成立于2025年6月。

MSL是Meta重组AI业务的AI整体组织，它将负责下一代基础模型的TBD Lab、负责长期研究的FAIR、负责产品落地的产品与应用研究团队、以及提供算力和工程支持的MSL Infra整合到了一个体系里。

只为了实现“个人超级智能”。

按照小扎的设想，超级智能不能替代人类，而是要真正理解用户需求，通过Meta AI、WhatsApp、Instagram、智能眼镜等现实入口帮用户实现价值。

为此，Meta在去年就发起了一轮受到天价人才招募，向顶级研究人员提供顶级薪酬。

更惹人注意的是，在MSL已公开的管理者和研究人员中，华裔占比接近一半。

比如：

MSL的总负责人Alexandr Wang，华裔创业者，19岁创办Scale AI，后获Meta143亿美元投资。

MSL的首席科学家赵晟佳，本科毕业于清华，曾在OpenAI参与ChatGPT、GPT-4及推理模型的研发。

MSL的首席研究员宋飏，扩散模型的代表性研究者，曾负责OpenAI的战略探索团队，目前与赵晟佳共同参与实验室研究方向的设计。

毕树超，浙江大学数学系，曾担任Google工程负责人，曾在OpenAI负责多模态后训练，目前在MSL研究强化学习、模型后训练和智能体。

Dawn Son，本科就读清华，UC Berkeley教授、AI安全与计算机安全研究者，在MSL从事AI安全、可信智能体等方向的研究。

△从左至右：扎克伯格、赵晟佳和Alexandr Wang

可以说，华裔研究者以及中国高校培养的学生，已经进入全球前沿模型、智能体和AI安全研究最核心的岗位。

另一方面，在完成组织调整和人才招募之后，MSL也确实在推出实际成果。

今年4月，Meta发布MSL成立后的首个模型Muse Spark，一款面向个人智能体场景设计的多模态推理模型。

9月，Meta又推出由Muse Spark驱动的个人智能体Muse。

一时间大热。

用户可以向它交代目标，由它处理邮件、填写表格、购物或制定长期计划，未来将接入AI智能眼镜。

△Muse发布视频截图

如此来看，Muse这条路和Shuyan Zhou的研究路线也有直接关联。

那就期待后续Shuyan Zhou的AI浏览器真的能从论文里走出来，造福大家吧……