论文 arXiv'26 Plan-MCTS: Plan Exploration for Action Exploitation in Web Navigation
将网页导航搜索从原子动作空间转到语义计划空间，以提升长程网页任务中的搜索效率和稳定性
Blog Archive
博客与论文
这里独立展示我们已经发布的博客、论文解读与技术文章，按日期倒序浏览，不再占用首页滚动区域。
论文 arXiv'26 Adaptive Milestone Reward for GUI Agents
通过可验证、可演化的 milestone 奖励和非对称 credit assignment，缓解长程 GUI 强化学习中的时序 credit assignment 问题
论文 ACL'26 Industry track (Oral) ColorBrowserAgent: Complex Long-Horizon Browser Agent with Adaptive Knowledge Evolution
通过人类在环知识适配和知识对齐的渐进式摘要，提升异构网站和长程网页任务中的稳定性
论文 ACL'26 Findings Agent-Dice: Disentangling Knowledge Updates via Geometric Consensus for Agent Continual Learning
通过几何共识过滤和曲率加权融合 task vector，缓解 agent continual learning 中的稳定性-可塑性困境
论文 WWW'26 ColorBench: Benchmarking Mobile Agents with Graph-Structured Framework for Complex Long-Horizon Tasks
用图结构静态模拟动态手机交互，支持多正确路径、原子能力分析和复杂长程任务评测
论文 arXiv'25 VeriOS: Query-Driven Proactive Human-Agent-GUI Interaction for Trustworthy OS Agents
让 OS agent 在不可信场景下主动向人发问，在可信场景下自主执行，以降低过度执行风险
论文 arXiv'25 Quick on the Uptake: Eliciting Implicit Intents from Human Demonstrations for Personalized Mobile-Use Agents
通过显式 SOP 与隐式习惯库双通道建模，让 mobile-use agent 更贴近具体用户的真实意图
论文 NeurIPS'26 MobileUse: A GUI Agent with Hierarchical Reflection for Autonomous Mobile Operation
通过 action、trajectory、global 三层反思和主动探索机制，提升移动长程任务中的鲁棒执行能力
论文 ACL'25 Findings HammerBench: Fine-Grained Function-Calling Evaluation in Real Mobile Device Scenarios
面向移动助手多轮对话的细粒度 function-calling benchmark
论文 LLM-based Multi-Agent Systems: Techniques and Business Perspectives
从协议、训练、安全、隐私到流量与智能变现，讨论 LLM-based Multi-Agent System 的整体框架
论文 ICLR'25 (Spotlight) Hammer: Robust Function-Calling for On-Device Language Models via Function Masking
基于 Function Masking 的轻量级 Function-calling 模型 - Hammer
论文 ACL'24 Self-Contrast: Better Reflection Through Inconsistent Solving Perspectives
让模型先生成多种解题视角，再对比差异并总结检查清单，以提升无外部反馈场景下的自反思稳定性