研究主题

Topics/ 只维护跨论文、可持续增量更新的 canonical survey;一次性报告与项目提案放在 Reports/

2026-07-23 升级:GUI 主报告重构为 12 节完整 CUA-Survey(180 篇)。2026-07-24 清理:GUIAgent-Survey 及 4 份 merged redirect(AgentEnvironment / AgentRuntimePrimitives / RealWorldGUIAgent-Reliability / AgenticRL)删除,全库链接已改指 CUA-Survey。2026-08-20 新增跨域算法切面 StepCreditAssignment-Survey。当前 10 份均为 active survey。

GUI / Computer-Use Agent(当前研究重心)

Canonical Survey组织结构Domain Map
CUA-Survey12 节:定义与范围 / 问题形式化 / 任务与环境 / 数据 / 模型与架构 / 学习与 RL / 评测 / 产业部署 / 开放挑战 / TakeawaysGUI-Agent

所有 Web、Mobile、Desktop、OS 与 GUI+API/CLI 交互论文都先进入这一个主报告。每篇论文只设一个 primary section,其他章节使用 cross-link,避免为”算法/环境/可靠性”重复维护多份结论。digest→survey 路由以本文件 frontmatter keywords 为准。

同方向另有两份专题分析,切面与主报告正交、文件名不带 -Survey 后缀因而不参与自动路由:

专题分析切面
AgentHarness-Designharness 三条设计轴(动作接口 / 执行循环 / 上下文预算)+ 预算口径审计,web agent 范围
Harness-Component-Attributionharness 增益的组件级归因:bundle 报增益、缺角色消融的证据缺口

AI Agent / 非 GUI 邻接方向

Survey范围Domain Map
WebAgent-SurveyDeep Research / information seeking;不含 GUI navigationAgenticRL
SelfEvolvingAgents-Survey通用 self-evolution:model / memory / skill / workflowAgenticRL
StepCreditAssignment-Survey从 trajectory-level reward 反推 step-level 监督:选步 / PRM / 隐式 credit / advantage 塑形AgenticRL

通用 Agentic RL 的算法证据保留在 Papers/;只有形成独立于 GUI application 的稳定问题结构后,才重新建立跨域 survey。StepCreditAssignment 是目前唯一满足该条件的跨域切面——同一套问题(trajectory-level 0/1 信号如何分解到步)在数学推理、文本 agent 与 GUI 上共享方法族与失效模式。它是算法横切面,不改变 GUI 论文的落位:带直接 GUI 交互证据的论文仍以 CUA-Survey 为 primary section,只在步级监督机制上 cross-link 到这里。

VLM / Multimodal

Survey范围Domain Map
VLM-Survey视觉语言模型;GUI 只保留为直接测量 UI grounding/action 的交叉证据VLM

Embodied / VLA / VLN

Survey范围Domain Map
EmbodiedAI-SurveyEmbodied AI 总览 + Embodied Reasoning + Mobile ManipulationEmbodiedAI
VLA-SurveyVLA 全景:action representation × data recipeEmbodiedAI
VLN-SurveyVision-Language NavigationEmbodiedAI

World Model / 其他

Survey范围Domain Map
WorldModel-SurveyWorld Model 全景;digital-domain simulator 与 GUI 主报告 cross-linkWorldModel
HyperbolicManifold-SurveyHyperbolic ManifoldHyperbolicManifold