精选理由
这篇论文揭示了自动从交互数据中挖掘技能库的现状：能高精度聚类，但跨域提升有限。看了能知道方法还能改进哪里。
研究提出三阶段流程：分割GUI轨迹、聚类为候选技能、训练技能感知策略。在InteraSkill Workflows基准上，8个聚类中有5个纯度≥0.95。然而，GRPO仅将技能步准确率从18.5%提升到20.5%，BrowseComp+几乎不变，且频率先验在源域指标上更优。表明轨迹挖掘可暴露可检查的技能结构，但当前边界检测器、无序段表示和离线奖励模型不足以可靠跨域策略改进。
AI 翻译 · 中文
研究提出三阶段流程：分割GUI轨迹、聚类为候选技能、训练技能感知策略。在InteraSkill Workflows基准上，8个聚类中有5个纯度≥0.95。然而，GRPO仅将技能步准确率从18.5%提升到20.5%，BrowseComp+几乎不变，且频率先验在源域指标上更优。表明轨迹挖掘可暴露可检查的技能结构，但当前边界检测器、无序段表示和离线奖励模型不足以可靠跨域策略改进。
Explicit skill libraries make computer-using agents easier to inspect, but it remains unclear whether such libraries can be mined from interaction data in a way that improves downstream policies. We study this question t…