Nova Act是什么?

Nova Act是亞馬遜推出的一款具備操控網(wǎng)頁瀏覽器并自主執(zhí)行簡單任務(wù)的的ai智能體，能夠控制網(wǎng)頁瀏覽器并獨(dú)立完成諸如搜索、填寫表單、完成結(jié)賬等簡單任務(wù)。它還支持詳細(xì)指令識別和復(fù)雜任務(wù)分解，幫助用戶簡化日常操作。

Nova Act功能特征

• 瀏覽器操控能力：Nova Act可通過分解復(fù)雜任務(wù)為原子指令（如搜索、結(jié)賬、填寫表單），并調(diào)用瀏覽器API或Playwright工具實(shí)現(xiàn)自動(dòng)化操作，例如在線訂購沙拉、預(yù)訂餐廳或設(shè)置自動(dòng)回復(fù)郵件。其內(nèi)部測試顯示，在日期選擇、彈窗處理等UI交互任務(wù)中成功率超90%。

• 復(fù)雜任務(wù)分解：Nova Act SDK允許開發(fā)者將復(fù)雜任務(wù)分解為一系列可執(zhí)行的簡單命令，例如“找出從我家到這三家商店的最便捷路線，然后在大約下午6點(diǎn)看電影”。

• 詳細(xì)指令識別：它能夠識別更詳細(xì)的指令，比如在購物時(shí)拒絕接受保險(xiǎn)推銷。

• 多模態(tài)交互架構(gòu)：依托自研的Nova基礎(chǔ)模型（如Nova Micro/Lite/Pro）解析網(wǎng)頁內(nèi)容，結(jié)合ScreenSpot Web Text 94%的高分能力模擬人類操作邏輯，實(shí)現(xiàn)視覺識別、行為模擬與流程控制的閉環(huán)。

性能表現(xiàn)

在亞馬遜內(nèi)部的ScreenSpot Web Text測試中，Nova Act得分為94%，優(yōu)于OpenAI的CUA（88%）和Anthropic的Claude 3.7 Sonnet（90%）。不過，亞馬遜并未使用更常見的代理評估基準(zhǔn)（如WebVoyager）對其進(jìn)行測試，其性能對比仍需更多外部驗(yàn)證。

Nova Act應(yīng)用場景

• 購物助手：Nova Act可以幫助用戶完成在線購物，例如從Sweetgreen訂購沙拉、進(jìn)行晚餐預(yù)訂等。

• 行程規(guī)劃：它可以協(xié)助用戶規(guī)劃行程，如找到從家到多個(gè)地點(diǎn)的最佳路線，并安排看電影等后續(xù)活動(dòng)。

• 表單填寫：Nova Act能夠自動(dòng)填寫各種在線表單。

• 日程安排：它還可以在日歷上選擇日期，幫助用戶安排日程。

• 信息查詢：Nova Act可以根據(jù)用戶指令，搜索并回答屏幕上顯示的內(nèi)容相關(guān)問題。

• 與Alexa+集成：Nova Act還將為亞馬遜即將推出的Alexa+升級提供支持，這是對亞馬遜流行的語音助手的生成式AI增強(qiáng)版本。

Nova Act由亞馬遜新成立的舊金山AGI（人工通用智能）實(shí)驗(yàn)室開發(fā)，Amazon Nova Act是該實(shí)驗(yàn)室的首款公開產(chǎn)品。

詳細(xì)介紹：https://labs.amazon.science/blog/nova-act

官網(wǎng)：https://nova.amazon.com/