Компьютерная наука > Проектирование программного обеспечения [представлено 31 июля 2026 (v1), последний пересмотренный вариант 6 сентября 2026 года (эта версия, v2)) Название: CUADebug: Diagnosing and Remaching агент неудавшегося использования компьютера PDF HTML (экспериментальный) резюме: Computer-uses Agents (CUAS) взаимодействует с графическими интерфейсами через скриншоты и мыши и клавиатры низкого уровня, однако причинно-следственная ошибка может предвосхитить окончательный отказ. Мы представляем CUADebug, рамки для локализации коренных причин в траекториях CUAP и руководства реэксклюзивными действиями. CUAERorronBench — контрольный показатель 204 неудачных траекторий OSWorld с аннотациями человеческого корня; и CUАDebugger, реакционный агент для анализа коренных причин (RCA). CUADepubger итеративно выбирает траектории, проверяет пары до/после скриншотов и следы действий и представляет структурированный диагноз, содержащий причинно-следственную ступень, таксономическую этикетку, заложенные доказательства и коррекцию. CUADepubger выполняет RCA без вмешательства человека в каждом траектории; для оценки прогнозов RCA используются человеческие аннотации, а при контролируемом повторном стыке - для фиксации точек возобновления. Разъяснение задач и контроль являются самой крупной категории аннотированных отказов (110/204). CUADebugger улучшает L2 и Tag+Step точно так же, как в трех отладочных позвоночниках на разделе Клода-агента; с Gemini 2.5 Pro, Tag + Step Extract…
CUADebug: Диагностика и ремонт компьютерных агентов
arXiv: 2608.02643v2 Annuales Type: заменить перекрестное резюме: компьютерные агенты (CUA) взаимодействуют с графическими интерфейсами посредством скриншотов и низкоуровневых действий мыши и клавиатуры, однако причинная ошибка может предшествовать окончательной неисправности. Мы представляем CUADebug, рамки для локализации коренных причин в траекториях CUAP и руководства реэксклюзивными действиями. CUAERorronBench — контрольный показатель 204 неудачных траекторий OSWorld с аннотациями человеческого корня; и CUАDebugger, реакционный агент для анализа коренных причин (RCA). CUADepubger итеративно выбирает траектории, проверяет пары до/после скриншотов и следы действий и представляет структурированный диагноз, содержащий причинно-следственную ступень, таксономическую этикетку, заложенные доказательства и коррекцию. CUADepubger выполняет RCA без вмешательства человека в каждом траектории; для оценки прогнозов RCA используются человеческие аннотации, а при контролируемом повторном стыке - для фиксации точек возобновления. Обоснование задачи и конт