Shuyan Zhou, der Autor von WebArena, ist dem 100-Millionen-Yuan-Club von Meta beigetreten.

Meta hat ein weiteres chinesisches Mitglied in seinem „100-Millionen-Club“ aufgenommen.

Neuesten Nachrichten zufolge hat Shuyan Zhou, Absolventin der Harbin Institute of Technology und Autorin von WebArena, bekanntgegeben, dass sie Anfang dieses Jahres die akademische Welt verlassen und sich dem „KI-Traumteam“ Superintelligence Labs von Meta angeschlossen hat.

Bei ihrem Eintritt bei Meta hat sie klar angegeben, dass ihre Kernaufgabe die Entwicklung eines KI-Browsers ist.

Sie hat außerdem verraten, dass dieses Forschungsinteresse aus ihrem ursprünglichen Ziel bei der Bewerbung um ein Doktorandenprogramm stammt – sie hoffte, ihrer Mutter eines Tages ein Gerät schenken zu können, das sprachgesteuert funktioniert und automatisch Flugtickets buchen kann.

Wer ist Shuyan Zhou?

Shuyan Zhou, Absolventin des Fachbereichs Informatik der Harbin Institute of Technology, besitzt zudem einen Bachelor-Abschluss in Informatik der Universität Hongkong.

Nach ihrem Bachelor-Abschluss im Jahr 2018 trat sie in das Institute for Language Technologies der Carnegie Mellon University ein, absolvierte nacheinander ihren Master- und Doktorstudiengang und promovierte schließlich 2024.

Obwohl Shuyan Zhou erst vor zwei Jahren ihren Doktortitel erhalten hat, wurden ihre Arbeiten bei Google Scholar bereits 9569 Mal zitiert, ihr h-Index beträgt 25 – sie ist zweifellos eine herausragende junge Wissenschaftlerin …

Bereits 2020, als Shuyan Zhou ihr Doktoratsstudium begann, konzentrierte sie ihre Forschung auf ein zentrales Problem, das sich einige Jahre später stellen würde:

Wie kann KI in reale digitale Umgebungen eingebunden werden, um Aufgaben für Nutzer zu erledigen?

Das bedeutet: Der Nutzer muss nur sagen, was er tun möchte, und der intelligente Agent kann entscheiden, welche Seite er als Nächstes öffnen, wo er klicken und welche Informationen er eingeben soll … sowie wie er nach einem Fehler neu anpassen kann.

Diese Forschungsmotivation hängt möglicherweise mit ihrer Mutter zusammen.

In früheren Jahren schenkte sie ihrer Mutter eine chinesische Version von Alexa, dem Sprachassistenten von Amazon.

Dieses Gerät konnte einfache Befehle ausführen, beispielsweise Musik abspielen oder über das Wetter plaudern, so hilfsbereit wie Xiao Ai.

Aber wenn es darum ging, Flugtickets zu buchen, stieß Alexa an seine Grenzen. Ihre Mutter konnte Shuyan Zhou nur anrufen, um sich Schritt für Schritt von ihr anleiten zu lassen.

Seitdem denkt Shuyan Zhou darüber nach: Wie kann man ein intelligentes Gerät bauen, das Aufgaben automatisch nur durch Gespräche erledigen kann, um ihrer Mutter und anderen Menschen in ähnlichen Situationen ein besseres Leben zu ermöglichen?

Wie sie selbst sagte, beschrieb sie dieses ursprüngliche Ziel bereits in ihren Bewerbungsunterlagen für das Doktoratsstudium im Jahr 2020 – vier Jahre später lieferte ihre Doktorarbeit „Lösen von Aufgaben in der realen Welt mit KI-Agenten“ eine vorläufige Antwort darauf.

Aus dieser Forschungsrichtung lässt sich auch ersehen, worauf sich Shuyan Zhous Arbeit nach ihrem Eintritt bei Meta konzentrieren wird.

Übrigens ist dies bereits Shuyan Zhous zweiter Aufenthalt bei Meta.

2024 war sie bereits bei Meta GenAI tätig, arbeitete damals im Team unter der Leitung von Ruslan Salakhutdinov (der auch Doktorvater von Yang Zhelin an der Carnegie Mellon University ist) und erforschte den universellen Computerbetriebsagenten Llama.

Im vergangenen Jahr verließ sie Meta, um an der Duke University zu lehren – bis Anfang dieses Jahres.

Shuyan Zhou will KI das Surfen im Internet beibringen

Ihre repräsentative Arbeit, die sich direkt an ihre vorherige Forschungsrichtung anschließt, ist WebArena.

WebArena ist das Ergebnis von Shuyan Zhous Forschungsarbeiten während ihres Doktoratsstudiums, eine reale Webumgebung zur Entwicklung autonomer Agenten, die Funktionen für echte Interaktionen und Aufgabenausführung bietet.

Vor der Einführung von WebArena wurden viele Browser-Agenten auf vereinfachten Webseiten oder statischen Datensätzen getestet – diese Umgebungen erleichtern die Durchführung von Experimenten, können aber die kontinuierlichen Abläufe, Seitenänderungen und Nutzerberechtigungen auf echten Webseiten nicht adäquat abbilden.

Das ist auch das Kernanliegen von WebArena: Wie kann die Fähigkeit von KI, Webseiten zu bedienen und Aufgaben zu erledigen, in einer Umgebung bewertet werden, die dem echten Internet nahekommt?

Zu diesem Zweck hat das Projekt mit Open-Source-Software Websites für E-Commerce, Foren, Code-Kollaboration und Inhaltsverwaltung neu aufgebaut und eine unabhängig bereitstellbare und wiederverwendbare Interaktionsumgebung geschaffen.

Shuyan Zhou und ihr Team haben außerdem 241 Aufgabenvorlagen entworfen und 812 Testaufgaben generiert, um zu prüfen, ob KI anhand von Anweisungen in natürlicher Sprache kontinuierlich Aktionen wie Suchen, Klicken, Eingeben, Seitenwechsel und Inhaltsänderung ausführen kann.

Auf diesem Weg hat Shuyan Zhou anschließend auch an VisualWebArena mitgewirkt.

Dieses Projekt behält das Grundgerüst von WebArena bei, erweitert aber den Bewertungsschwerpunkt von Textinformationen auf Bilder, Symbole und Seitenlayouts und fügt 910 Webseitenaufgaben hinzu, die visuelles Verständnis erfordern.

Anschließend hat Shuyan Zhou gemeinsam mit Einrichtungen wie dem XLANG-Team der Universität Hongkong die Forschung zu OSWorld abgeschlossen, die den Bewertungsbereich vom Browser auf das gesamte Computersystem ausweitet.

OSWorld umfasst 369 Computerbetriebsaufgaben, die die Zusammenarbeit zwischen Browsern, Dateisystemen, Bürosoftware und mehreren Anwendungen betreffen.

△

Dieses Projekt wurde erstmals im April 2024 vorgestellt und wurde anschließend in die Kategorie Datensätze und Benchmarks der NeurIPS 2024 aufgenommen. Die bei der Veröffentlichung der Arbeit vorgelegten Daten zeigen, dass die Erledigungsrate der Menschen bei den Testaufgaben 72,36 % betrug, während das leistungsstärkste Modell nur 12,24 % erreichte.

Es gibt viele Probleme: visuelle Lokalisierung, langfristige Planung, dynamische Umgebungen, Fehlerwiederherstellung, Sicherheitsberechtigungen … all dies sind Herausforderungen, denen sich Shuyan Zhou bei der Entwicklung des KI-Browsers stellen muss.

Das von Mark Zuckerberg mit hohen Mitteln aufgebaute KI-Spitzen-Team liefert nun erste Ergebnisse

Shuyan Zhou ist dem Meta Superintelligence Labs (kurz MSL) beigetreten, das im Juni 2025 gegründet wurde.

MSL ist die gesamte KI-Organisation von Meta nach der Umstrukturierung seines KI-Geschäftsbereichs, die das für die Entwicklung von Grundmodellen der nächsten Generation zuständige TBD Lab, das für langfristige Forschung verantwortliche FAIR, das für die Produktumsetzung zuständige Team für Produkt- und Anwendungsforschung sowie das MSL Infra-Team für die Bereitstellung von Rechenleistung und technischer Unterstützung in einem System vereint.

Das einzige Ziel ist die Verwirklichung von „persönlicher Superintelligenz“.

Nach der Vorstellung von Mark Zuckerberg soll Superintelligenz die Menschen nicht ersetzen, sondern die Bedürfnisse der Nutzer wirklich verstehen und ihnen über Zugänge wie Meta AI, WhatsApp, Instagram und intelligente Brillen bei der Umsetzung ihrer Ziele helfen.

Aus diesem Grund hat Meta im vergangenen Jahr eine außergewöhnliche Talentsuche gestartet und Top-Forschern Vergütungspakete im Wert von bis zu 300 Millionen US-Dollar über vier Jahre angeboten – daher der Name „100-Millionen-Club“.

Noch bemerkenswerter ist, dass unter den veröffentlichten Managern und Forschern von MSL fast die Hälfte chinesischer Abstammung ist.

Zum Beispiel:

Der Gesamtleiter von MSL, Alexandr Wang, ein Unternehmer chinesischer Herkunft, gründete Scale AI im Alter von 19 Jahren und erhielt später eine Investition von Meta in Höhe von 14,3 Milliarden US-Dollar.

Der Chefwissenschaftler von MSL, Zhao Shengjia, absolvierte seinen Bachelor an der Tsinghua-Universität und war bei OpenAI an der Entwicklung von ChatGPT, GPT-4 und Inferenzmodellen beteiligt.

Der leitende Forscher von MSL, Song Yang, ein führender Forscher auf dem Gebiet der Diffusionsmodelle, leitete früher das strategische Explorationsteam von OpenAI und gestaltet derzeit gemeinsam mit Zhao Shengjia die Forschungsrichtungen des Labors.

Bi Shuchao, Absolvent der Mathematikfakultät der Zhejiang-Universität, war früher Ingenieurleiter bei Google und verantwortlich für das nachträgliche Training von Multimodal-Modellen bei OpenAI. Derzeit erforscht er bei MSL verstärkendes Lernen, nachträgliches Training von Modellen und intelligente Agenten.

Dawn Son, absolvierte ihren Bachelor an der Tsinghua-Universität, ist Professorin an der UC Berkeley und Forscherin für KI-Sicherheit und Computersicherheit. Sie arbeitet bei MSL an Forschungsrichtungen wie KI-Sicherheit und vertrauenswürdigen intelligenten Agenten.

……

△

Man kann sagen, dass chinesische Forscher und von chinesischen Universitäten ausgebildete Studenten bereits die Kernpositionen in der globalen Spitzenforschung zu Modellen, intelligenten Agenten und KI-Sicherheit eingenommen haben.

Auf der anderen Seite hat MSL nach Abschluss der Organisationsumstrukturierung und der Talentsuche tatsächlich bereits erste praktische Ergebnisse vorgelegt.

Dieses Jahr im April veröffentlichte Meta das erste Modell nach der Gründung von MSL, Muse Spark, ein Multimodal-Inferenzmodell, das für Szenarien mit persönlichen intelligenten Agenten entwickelt wurde.

Im September stellte Meta Muse vor, einen persönlichen intelligenten Agenten, der von Muse Spark angetrieben wird.

Das Projekt erlangte sofort große Aufmerksamkeit.

Nutzer können ihm Ziele zuweisen, sodass er E-Mails bearbeitet, Formulare ausfüllt, Einkäufe erledigt oder langfristige Pläne erstellt. In Zukunft soll es auch mit intelligenten KI-Brillen verbunden werden.

△

So betrachtet steht die Entwicklung von Muse in direktem Zusammenhang mit Shuyan Zhous Forschungsweg.

Man darf gespannt sein, dass Shuyan Zhous KI-Browser tatsächlich aus der Theorie in die Praxis umgesetzt wird und allen zugutekommt …

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „QbitAI“, Autor: Cheng Qian, veröffentlicht mit Genehmigung von 36Kr.