Meta 的“亿元俱乐部”又多了一位中国研究者。
哈工大校友、WebArena 作者 Shuyan Zhou 近日宣布，自己已于今年年初离开学术界，加入 Meta 的“AI 梦之队”超级智能实验室。她也直接说明了这次在 Meta 的核心工作：开发 AI 浏览器。
她还提到，这一研究兴趣来自自己申请博士时的初心——希望有一天能送给妈妈一台可以通过对话驱动、自动购买机票的设备。
从哈工大到卡内基梅隆，研究方向长期聚焦智能体执行任务
Shuyan Zhou 是哈工大计算机专业校友，同时拥有香港大学计算机专业学士学位。
2018 年本科毕业后，她进入卡内基梅隆大学语言技术研究所，连续攻读硕博，并于 2024 年获得博士学位。
虽然距离拿到博士学位只有两年，她在 Google Scholar 上的论文引用已达到 9569 次，h-index 为 25。
早在 2020 年开始读博时，Shuyan Zhou 就把研究重心放在一个后来持续数年的问题上：怎样让 AI 进入真实数字环境，替用户完成任务。
对应到具体场景，就是用户只需要说出目标，智能体就能判断该打开哪个页面、点击哪里、填写哪些信息，以及在出错后如何重新调整。
这一研究动机，与她母亲的使用体验有关。她早年曾送给妈妈一台中文版 Alexa，也就是亚马逊的语音助手。这台设备可以执行播放音乐、查询天气等简单命令，但在订机票这类任务上无能为力，妈妈仍需要给她打电话，由她一步一步指导操作。
从那时起，她开始思考，能否做出一台只靠聊天就能自动完成任务的智能设备，帮助妈妈以及更多类似用户更方便地生活。
按她自己的说法，2020 年她在申博材料中写下了这一初衷。4 年后，她的博士论文《使用 AI 智能体解决现实世界任务》给出了阶段性答案。这条研究主线，也能解释她此次加入 Meta 后的工作重点。
曾在 Meta GenAI 工作，2024 年后赴杜克大学任教
这并不是 Shuyan Zhou 第一次进入 Meta。
2024 年，她曾加入 Meta 的 GenAI 团队，在 Ruslan Salakhutdinov 领导的团队中工作，研究 Llama 通用计算机操作智能体。文中还提到，Ruslan Salakhutdinov 也是杨植麟在卡内基梅隆的博士生导师。
去年，她离开 Meta，前往杜克大学任教，直到今年年初再度转向工业界。
WebArena：让 AI 在接近真实互联网的环境中完成网页任务
与她的研究方向一致，Shuyan Zhou 最具代表性的项目之一是 WebArena。
WebArena 是她博士阶段的项目成果，定位为一个用于构建自主代理的现实网页环境，支持真实交互和任务执行。
在 WebArena 出现之前，很多浏览器智能体是在简化网页或静态数据集上接受测试。这类环境便于实验，但很难反映真实网站中的连续操作、页面变化和用户权限等问题。
WebArena 关注的正是这一缺口：如何在更接近真实互联网的环境中，评估 AI 操作网页并完成任务的能力。
为实现这一点，项目基于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，形成了一套可独立部署、可重复使用的交互环境。
Shuyan Zhou 与团队还设计了 241 类任务模板，生成 812 项测试任务，用来检验 AI 是否能够根据自然语言指令，连续完成搜索、点击、输入、页面跳转和内容修改等操作。
从 VisualWebArena 到 OSWorld，评测范围继续扩大
在 WebArena 之后，Shuyan Zhou 又参与了 VisualWebArena。
这个项目延续了 WebArena 的基本框架，但把评测重点从文字信息扩展到图片、图标和页面布局，新增了 910 项需要视觉理解的网页任务。
再往后，她还与香港大学 XLANG 团队等机构共同完成了 OSWorld 的研究，把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，覆盖浏览器、文件系统、办公软件以及多个应用之间的协同操作。
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。论文发表时披露的数据显示，人类在测试任务中的完成率为 72.36%，表现最好的模型只有 12.24%。
文中提到，视觉定位、长程规划、动态环境、错误恢复和安全权限等问题，都会成为后续开发 AI 浏览器时必须面对的挑战。
Meta 于 2025 年 6 月成立 MSL，整合多支 AI 团队
Shuyan Zhou 此次加入的 Meta 超级智能实验室，英文名为 Superintelligence Labs，简称 MSL，成立于 2025 年 6 月。
按照文中介绍，MSL 是 Meta 重组 AI 业务后的整体组织，整合了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。
其目标被概括为实现“个人超级智能”。
按照马克·扎克伯格的设想，超级智能不是替代人类，而是理解用户需求，并通过 Meta AI、WhatsApp、Instagram、智能眼镜等现实入口帮助用户实现价值。
为此，Meta 在去年发起了一轮高薪人才招募，向顶级研究人员提供最高 4 年 3 亿美元的薪酬方案，“亿元俱乐部”这一说法也由此而来。
已公开的 MSL 管理者和研究人员中，华裔占比接近一半
文中称，在 MSL 已公开的管理者和研究人员中，华裔占比接近一半。
- MSL 总负责人 Alexandr Wang，为华裔创业者，19 岁创办 Scale AI，后获 Meta 143 亿美元投资。
- MSL 首席科学家赵晟佳，本科毕业于清华，曾在 OpenAI 参与 ChatGPT、GPT-4 及推理模型研发。
- MSL 首席研究员宋飏，是扩散模型的代表性研究者，曾负责 OpenAI 战略探索团队，目前与赵晟佳共同参与实验室研究方向设计。
- 毕树超毕业于浙江大学数学系，曾任 Google 工程负责人，也曾在 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 Song 本科就读于清华，是 UC Berkeley 教授，研究方向包括 AI 安全与计算机安全，目前在 MSL 从事 AI 安全、可信智能体等研究。
文中据此认为，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 安全研究的核心岗位。
MSL 已推出 Muse Spark 和个人智能体 Muse
在组织调整和人才招募完成后，MSL 也开始推出实际成果。
今年 4 月，Meta 发布了 MSL 成立后的首个模型 Muse Spark。这是一款面向个人智能体场景设计的多模态推理模型。
到 9 月，Meta 又推出由 Muse Spark 驱动的个人智能体 Muse。
根据文中描述，用户可以向 Muse 交代目标，由它处理邮件、填写表格、购物或制定长期计划，未来还将接入 AI 智能眼镜。
从研究路线看，Muse 所走的方向与 Shuyan Zhou 长期关注的网页与计算机任务智能体存在直接关联。她此次加入 Meta 后负责开发 AI 浏览器，也让这条从论文走向产品的路径更受关注。
本文来自微信公众号“量子位”，作者为程浅。