标签
OS-Helix 是一个端到端训练的多模态智能体，将 GUI 动作与代码执行统一在单一动作空间中，采用混合 SFT 加在线 RL 的训练方式，并提出 Step-balanced GSPO 目标函数，在 OS-World-Verified 上达到 66.44% 的成功率，同时展现出向 WindowsAgentArena 的跨平台迁移能力。
这篇来自麻省理工学院和哈佛大学的论文探讨了通过挖掘 GUI 交互轨迹来自动化生成 SKILL.md，发现聚类结果可读性强，但未能提升跨领域的策略性能。
PreAct 将成功的智能体运行编译成小型状态机程序，在重复任务上实现 8.5-13 倍更快的重放，无需逐步骤的语言模型调用，并通过运行时屏幕检查确保正确性。
PreAct 将计算机操控智能体的成功任务执行编译为小型状态机程序，通过跳过每步的语言模型调用，实现重复任务上的快速重放（快 8.5–13 倍），同时每一步验证屏幕状态，并在出现不匹配时回退到智能体。
SaaS-Bench是一个新的基准测试，基于23个可部署的SaaS系统，覆盖六个专业领域，包含106个长周期任务，用于评估计算机使用代理。实验表明，即使是最强的模型，端到端完成任务的比例也不足4%，凸显了当前代理能力的显著限制。