行為最佳 N 選一（bBoN）透過產生多個解決方案嘗試並智慧選擇最佳方案，徹底革新了電腦使用代理人。這種由 Simular Research 開發的「廣度擴展」方法大幅改善了任務成功率，在基準測試上達到 69.9% 的準確率——幾乎與人類表現的 72% 相匹配。該框架的關鍵組件——行為敘述生成器和最佳 N 選一判斷器——有效地總結和比較解決方案軌跡。建構於 Agent S2 基礎上並推出 Agent S3，bBoN 展現了隨著 rollouts 增加和模型多樣性提升的一致改善。它在不同作業系統間顯示強大的泛化能力，並為在真實世界應用中部署可靠的電腦使用代理人指出了充滿前景的方向，儘管在共享資源管理方面存在一些限制。
電腦使用代理人（CUAs）已成為自動化日常數位任務的一個充滿前景的前沿領域，然而其更廣泛的應用一直受到不可靠性以及在複雜、長期任務中高變異性的限制。來自 Simular Research 的一篇突破性研究論文，題為「電腦使用代理人擴展的不合理有效性」，介紹了一個名為行為最佳 N 選一（bBoN）的新穎框架，透過智慧擴展代理人能力，在電腦任務上達到接近人類的表現。來自 Simular 的研究人員——Gonzalo Gonzalez-Pumariega、Vincent Tu、Chih-Lun Lee、Jiachen Yang、Ang Li 和 Xin Eric Wang——證明了透過產生多個解決方案嘗試並智慧地從中選擇，他們的方法大幅改善了穩健性和成功率，在基準測試任務上達到 69.9% 的準確率，接近人類水準的 72% 表現。
這篇論文的核心洞察圍繞著電腦使用代理人「廣度擴展」的概念。傳統改善 AI 代理人能力的方法專注於讓個別代理人變得更聰明或更精密。相比之下，bBoN 採取了根本不同的方法，透過並行產生多個獨立的解決方案嘗試（rollouts），並開發有效比較和選擇最成功方案的方法。這種範式轉移認知到電腦任務通常有多個有效的解決路徑，透過同時探索數個方法，找到成功解決方案的機會會大幅增加。
bBoN 框架的核心是行為敘述生成器，這是一個新穎的組件，將密集、資訊豐富的軌跡轉換為緊湊、可解釋的摘要。這些「行為敘述」捕捉每個代理人所做的事情以及它如何影響環境的本質，過濾掉無關細節，同時保留與任務相關的行動-效果關係。生成的敘述作為一種高效的表示方式，使第二個關鍵組件——行為最佳 N 選一判斷器——能夠對多個候選解決方案進行比較評估。透過專注於行為的有意義差異而非原始螢幕截圖序列，判斷器能夠對哪個解決方案軌跡最能完成任務做出更明智的決定。
研究人員在現有的開源電腦使用代理人框架 Agent S2 基礎上建構他們的框架。此外，他們還推出了 Agent S3，這是一個改良的基準線，捨棄階層式規劃，改採更簡單的扁平政策，可隨時重新規劃，並整合了一個能在需要時執行程式化編輯的編碼代理人。僅這個改良的基準線就在 OSWorld 基準測試上建立了新的最先進結果，在 100 步任務上達到 62.6% 的成功率。當結合 bBoN 框架從多個 rollouts 中選擇時，表現躍升至 69.9%，大幅超越先前方法並接近人類基準的 72%。
此外，研究人員透過全面的消融研究和零樣本泛化測試展示了框架的多功能性。bBoN 方法隨著 rollouts 數量增加顯示一致的改善，驗證了廣度擴展的有效性。研究人員也調查了模型多樣性的影響，發現結合不同有能力的模型（如 GPT-5 和 Gemini 2.5 Pro）達到了最高的成功率，突顯了解決方案方法多樣性的價值。當透過 WindowsAgentArena 和 AndroidWorld 基準測試在不同作業系統上測試時，bBoN 展現了強大的泛化能力，即使只有三個 rollouts，也分別改善了 6.4% 和 3.5% 的表現。
這項研究的意義超越了基準測試的改善。傳統增強 AI 系統的方法專注於讓個別模型更有能力，但 bBoN 證明了有效結合多個解決方案嘗試可以產生「不合理的有效性」，而無需更精密的個別代理人。這項研究為電腦使用代理人在真實世界應用的實際部署指出了一個充滿前景的方向，在這些應用中，可靠性和成功率是關鍵考量。
bBoN 框架確實有其限制，特別是在假設代理人能夠從相同初始狀態產生多個獨立 rollouts 方面。雖然這在研究環境和有虛擬機器的受控設定中運作良好，但將這種方法應用到使用者的實際桌面環境時，由於並行 rollouts 之間可能的干擾而面臨挑戰。與共享線上資源（如電子郵件或雲端儲存）互動的任務需要特殊處理來管理跨執行效應。研究人員承認這些限制，並建議未來的工作可以將並行 rollouts 擴展到真實桌面環境，並更好地管理共享線上資源。
總結而言，「電腦使用代理人擴展的不合理有效性」引入了我們思考如何改善電腦使用代理人的範式轉移。研究人員證明，與其專注於讓個別代理人變得更聰明，智慧地跨多個解決方案嘗試進行擴展可以達到卓越的結果。透過將密集軌跡轉換為緊湊的行為敘述，並開發有原則的軌跡選擇方法，bBoN 建立了一個實用的框架來改善電腦使用代理人的可靠性和成功率，讓我們大幅接近穩健、人類水準的日常數位任務自動化目標。
