聽節目（在新分頁開啟原站）連到 The TWIML AI Podcast
摘要
訪談 Devi Parikh 與 Sam Charrington，探討 Yutori 如何訓練視覺導向的自主代理（Agent）來主動執行網頁任務。內容涵蓋從監督微調到強化學習的技術演進，以及為何使用截圖比 DOM 更穩健。
An interview discussing Yutori's proactive web agents, visual-grounded models, and their training pipeline using reinforcement learning.
摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。
重點
- Yutori 開發視覺導向代理，用截圖操作網頁比傳統 DOM 更可靠。
- 訓練流程結合監督微調、拒取樣與強化學習以提升任務完成度。
- 產品提供「Scouts」背景監控服務，自動處理重複性網頁工作。
章節
依話題轉折切分，標題由 AI 產生
- 00:00未來互動模式將由代理主動執行
- 04:14Udori 團隊鎖定 Web 自動化技術突破
- 09:09產品需整合模型與體驗雙重維度
- 13:14Scouts 產品透過監控實現自動化
- 18:22視覺導向訓練提升瀏覽器操作通用性
- 22:25採用通用視覺語言模型處理網頁任務
- 26:23系統演進策略聚焦單一領域逐步最佳化
- 30:07偵察員作為其他流程的起點
- 33:52視覺模態訓練與瀏覽器操作
- 40:20個人使用案例與即時監控
- 44:12工具數量激增與階層化架構
- 46:40重複執行任務與時間間隔策略
- 49:37未來演進預測與瀏覽器整合
- 53:4424 小時自動監控與魔法體驗
提到的工具與公司
- Yutori
- Scouts
- Quan
- Llama 3
- Emu
適合誰看
對自主代理技術、視覺語言模型及網頁自動化感興趣的開發者或產品經理。
摘要依據
- 講者
- Sam Charrington
- 依據
- 語音轉文字
為什麼排在這裡
- 人氣
- 0.50
- 新鮮
- 0.30
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- Most of the Web Will Never Get APIs for AI Agents | Dhruv Batra, YutoriPodcast ・ Chain of Thought ・ 55 分鐘
- How To Make Your Websites Fully Autonomous (ft rtrvr)Podcast ・ Tool Use - AI Conversations ・ 42 分鐘
- Walking Tokyo Talking Agent ProtocolsPodcast ・ Agentic Conversations（原 MLOps.community） ・ 29 分鐘
- Watch this 100x developer use GPT-6 Astra… it’s insane影片 ・ David Ondrej ・ 1 小時 1 分（在新分頁開啟原站）
- Building the GitHub for RL Environments: Prime Intellect's Will Brown & Johannes HagemannPodcast ・ Training Data ・ 45 分鐘（在新分頁開啟原站）
- Agent-Harness.ipynb*Podcast ・ Vanishing Gradients ・ 1 小時 20 分
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。聽節目（在新分頁開啟原站）