@rohanpaul_ai：新的Stanford + Carnegie论文。真实工作的屏幕录制看起来像是代理的免费训练数据。它们并不是，因为…

X AI KOLs Timeline 论文
ai-agents task-modeling screen-recordings training-data workflow-analysis goal-trees

摘要

这篇论文介绍了Task Model Induction，一种将真实计算机工作的屏幕录制分解为单独任务和目标树的方法，以更好地训练AI代理，与当前的摘要工具相比，在未见任务上的性能提高了30%。

新的Stanford + Carnegie论文。 真实工作的屏幕录制看起来像是代理的免费训练数据。它们并不是，因为没有人以一个干净的步骤序列工作。 人们在不相关的任务之间切换，并重复相同的修复直到通过。大多数工具将其扁平化为一个列表，因此代理学习到了一个无人执行的工作流程。 Task Model Induction，来自Stanford和CMU，首先将录音分解为正在运行的单独任务，然后将每个任务重建为具有完整循环的目标树。 它通过单独的遍历计算出目标和运行顺序，并将它们合并，因为同时向一个模型询问两者会扁平化细节。 这恢复了74.9%的实际发生情况，是当前最佳摘要工具的两倍多，并且由此构建的技能在未见任务上的表现提高了30%。 在会话变得混乱时，如错误修复和死胡同，它是最弱的。 因此，如果你正在挖掘演示以获取代理技能，请提供目标结构，而不是转录文本。 — arxiv.org/abs/2608.20319 标题：“Inducing Task Models from Computer-Use Traces”
查看原文
查看缓存全文

缓存时间: 2026/08/24 01:43

斯坦福大学与卡内基梅隆大学合作发布新论文。

真实工作的屏幕录像看似可以作为智能体的免费训练数据。实则不然，因为无人会按照单一干净的步骤序列开展工作。

人们会在不相关的任务间切换，反复执行相同的修复直至通过。多数工具将这些过程压缩成单一列表，导致智能体学习到的是无人实际执行过的工作流程。

斯坦福与CMU提出的任务模型归纳方法，首先将录像拆解为正在执行的独立任务，随后将每个任务重建为保留循环结构的目标树。

该方法分阶段解析目标与执行顺序再进行整合，因为若要求单一模型同时处理两者会丢失细节层次。

这种方法能还原74.9%的实际发生内容，是现有最佳摘要提取方法的两倍以上，且基于此构建的技能在陌生任务上表现提升30%。

其最薄弱环节在于处理混乱会话——特别是错误修复与死胡同场景。

因此若从演示中挖掘智能体技能，请提供目标结构而非原始转录记录。

– arxiv.org/abs/2608.20319

论文标题：《从计算机操作痕迹中归纳任务模型》

相似文章

@dair_ai: https://x.com/dair_ai/status/2068724104815890889

X AI KOLs Following

重点介绍近期三篇AI论文：SpatialClaw（通过代码实现无需训练的空间推理），SkillWeaver（组合式技能路由，采用分解-检索-组合流水线），以及PreAct（将智能体运行编译为快速状态机，用于重复任务）。