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。
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……
