Hark 的电脑操作 agent 提速 2 倍,靠强化学习学会批量动作
Hark 发布 Handoff²,Hark Pro 里的 computer-use agent。原文称它平均比 v1 快 2 倍,在 478 个内部网页任务上完成率 82%,训练时用延迟惩罚强化学习让它学会批量执行动作。内部 benchmark 有参考价值,也留下几个问题:失败恢复、回滚、任务集是否公开。
Hark 发布了 Handoff²,这是 Hark Pro 里的 computer-use agent。按原文信息,它平均比 v1 快 2 倍,在 478 个内部网页任务上完成 82%。训练方法里有个细节:用带延迟惩罚的强化学习,让 agent 学会批量执行动作。
电脑操作类 agent 的体验瓶颈通常很具体:每点一次、每填一个框、每切一次页面,都要等模型决策和页面响应。动作一多,时间就碎掉了。Handoff² 的思路是把连续动作合并,减少来回等待。这个方向不新鲜,难的是什么时候合并、合并多少。批量太激进,错误会一起放大;批量太保守,速度又回不来。延迟惩罚 RL 实际是在训练这个取舍。
82% 这个数字来自 478 个内部网页任务,没挂公开 benchmark。它能说明 Handoff² 在 Hark 自己的任务分布上比 v1 更能干活,但不能直接和其他 agent 横比。看这类产品,我通常会追三个问题:失败后怎么恢复,批量动作出错时有没有回滚,任务集会不会公开。速度提升 2 倍很有用,不过 computer-use agent 真正难的是长尾网页和异常状态。Hark 这次把“快”摆到台面上,接下来要看它怎么解释“错”。
来源:MarkTechPost,作者 Michal Sutter,原文链接:https://www.marktechpost.com/2026/11/16/hark-handoff-2-computer-use-agent-2x-faster/
发布时间: 2026-11-16 17:08